继续请教问题:关于 Pytorch 的 Autograd

雷达

6 Q  u. {8 V" p* v) h为预防老年痴呆，时不时学点新东东玩一玩。
Pytorch 下面的代码做最简单的一元线性回归：
) I; M) G. y+ y/ ^----------------------------------------------
' y; ~- ]& k5 f* |  S" Dimport torch
import numpy as np
! [8 X6 s' e( C) b6 z3 V' T! O; Timport matplotlib.pyplot as plt
import random
. B  m/ i* j, \5 C
. d+ K  y/ w. Px = torch.tensor(np.arange(1,100,1))
6 _7 O! P( s  ]y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
# M: S9 b6 H+ @& N: r" o
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
; ^8 g: Q  o! e% T: _b = torch.tensor(0.,requires_grad=True)
: y- q7 C0 V7 R9 o4 }8 b8 U
epochs = 100

3 X# y$ Y1 a: I6 @5 |% i+ L0 c& o, Rlosses = []
1 V- M; Q. R( W3 ^, mfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
5 ^" U$ U4 ^2 U  y_pred.reshape(-1)

! S* K) _7 l- F' k  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
: B( e+ t% H, B  o" J/ G: D1 i  
1 ?) ~3 }5 l1 s: t  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
# b9 t: B1 I. t' |5 V" ]( E) t    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
# S% l8 n; w5 ^2 s- [
print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
& C3 t; E, g# r9 P( g最后的结果，w可以回到 w0 = 27 附近，b却回不去 b0=15。两处红字，损失函数是矢量计算后的均值，感觉 b 的回归表达有问题。
. }# u' B/ {# @" x) H高手们帮看看是神马原因？
! K0 r( L1 r! X: n4 _6 X

老福

+ P" _! e" ]0 m5 c
6 I# \, f; s" j+ E没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
/ D. H' c# w4 T- a9 Q! w% Q$ d  @' k-------
不好意思，再看一遍，好像你在自算回归而不是用现成的工具直接出结果，上面的评论只有一点用，就是确认是不是算法有问题。
-------
算法诊断部分，建议把循环次数改为1000, 再看看loss是不是收敛。有点怀疑你循环次数不够，因为你起点是0, 步长很小。只是直观建议。

雷达

老福 发表于 2023-2-14 19:23
没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
- W& V  i' \2 z' x9 J6 |4 q-------
不好意思， ...

4 N# ~6 h8 ^$ ^7 l# v% x' F谢谢，算法应该没问题，就是最简单的线性回归。
我特意没有用现成的工具，就是想从最基本的地方深入理解一下。

老福

雷达 发表于 2023-2-14 21:52
7 E, b; U0 s, z6 Q* Z6 e7 E谢谢，算法应该没问题，就是最简单的线性回归。
我特意没有用现成的工具，就是想从最基本的地方深入理解 ...

9 O0 \0 \$ g( T  Q刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。
/ j3 n2 j9 K8 @) Z
3 Q0 I1 j5 L6 o. G! j- h或者把b但的起点改为1试试。

雷达

% C# h. `8 g/ a" S  \

老福 发表于 2023-2-14 22:00
% `# u, K- q4 L( R5 T刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。

或者把b但的起点改为1试试。 ...

你是对的。
5 G0 ~9 M0 q" C4 E* M* L3 D去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
% ^% x' e6 K7 R0 l, u4 @
循环次数加成10倍，就看到 b 收敛了
  V) r4 f* m. b- B; m' ?+ ~w , b
( C5 p6 F6 @& G% D27.002620697021484 14.826167106628418

和 b 的起始位置无关，但 labeled data 用 y = (x*27+15+random.randint(-2,3)).reshape(-1) ，收敛就很慢。