继续请教问题:关于 Pytorch 的 Autograd

雷达

9 V5 s" {3 j7 o
为预防老年痴呆，时不时学点新东东玩一玩。
2 D3 ~9 R* o, A* e- L+ pPytorch 下面的代码做最简单的一元线性回归：
! M1 [/ j! A# S3 s----------------------------------------------
import torch
( q6 b$ C% u) c1 p8 Uimport numpy as np
' q1 K+ K/ k. l$ l) e9 Cimport matplotlib.pyplot as plt
import random

5 P4 \6 P; F5 z$ E* L  {1 Jx = torch.tensor(np.arange(1,100,1))
y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
0 ?$ v/ s, W: K- I# S7 ^2 rb = torch.tensor(0.,requires_grad=True)
8 F2 _4 e$ q$ ~7 |/ w
epochs = 100

losses = []
for i in range(epochs):
! B6 I% h2 _( y6 M5 i0 M  y_pred = (x*w+b)    # 预测
8 v6 a# V$ A  S+ A+ m  y_pred.reshape(-1)
1 e9 y' M1 I' J( u6 [/ q
  loss = torch.square(y_pred - y).mean()   #计算 loss
3 G; \; z# _* R0 u- {0 S  losses.append(loss)
  
8 R% }, E7 H8 S6 g; U' M  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
! u7 q5 z- P& ^8 U- w# x# a
9 b* o% e6 U6 K' Zprint(w.item(),b.item()) #结果
: w+ z# v) q1 _; z
Output： 27.26387596130371  0.4974517822265625
$ y3 a* v) g% m----------------------------------------------
! y2 x2 ]/ K) W! q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。
高手们帮看看是神马原因？
# r; D$ W* c6 J

老福

4 t/ M) \# a4 m" Z9 [& h" s# p# Z0 R
, w# Z' [" ?: L1 R/ T" k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？
-------
/ s5 h, G' U; |+ [+ q- O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？
0 f6 C4 y8 {) K( j9 }-------
不好意思， ...

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
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 ...

5 u6 Z9 k/ ?3 q
9 t6 F% h  a6 d7 ~# G: o! }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。

( ~7 t) g; a5 D8 g) z# R/ @2 S或者把b但的起点改为1试试。

雷达

老福 发表于 2023-2-14 22:00
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。 ...

) b6 U1 F$ M) G  C7 ?. ?8 p
你是对的。
去掉了随机部分
* x) s% C' Y6 W8 V9 r  K& J  ^#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
0 I1 l0 {; E" ?& y! m5 _4 ~
循环次数加成10倍，就看到 b 收敛了
w , b
/ u5 l7 |% d# S1 o+ t0 n: g27.002620697021484 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。