继续请教问题:关于 Pytorch 的 Autograd

雷达

1 s9 u0 n- ?* r; P
; j+ i! ^% u' Y- J5 r6 t9 J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：
----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
import random

. o: q3 f" e* v3 E! Ux = torch.tensor(np.arange(1,100,1))
1 o5 @: N" x( ly = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
# B7 w+ {9 T' v, H% U& \& S
% V( \3 _% k" b/ U$ ^& sw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
7 e- n1 |* s4 W# V9 j
* U/ g5 f- ~0 f  h. ^9 t7 depochs = 100
& P, ]4 p# G  j
losses = []
  u3 x/ ?4 t  ^6 W4 z# cfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
( ~& \7 F5 K& p6 `% j1 g6 Y3 `  y_pred.reshape(-1)
; I& ^$ I" a6 N: v1 K
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
- ^- C3 Q2 g5 G  n  J) W% n  loss.backward() # autograd
" |1 g# q+ \9 G1 z  with torch.no_grad():
; M' \$ x9 L# V% U2 N    w  -= w.grad*0.0001   # 回归 w
; ?% R' [: a( w1 `' v" z7 i    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
+ a  x$ g- I# M; m9 B0 L( t  b.grad.zero_()

print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
! J4 T8 I$ X3 o4 }; p2 N9 ]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？
; d& n6 ~0 N, N6 v- m: M! J: M

老福

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？
' R$ S+ i6 Y) {6 J& i-------
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。
-------
3 r2 Y$ l1 W1 ^4 K' V- Z6 G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？
-------
8 D- T! u8 \5 {. C7 T8 j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 ...

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。
/ Z) E" `2 @* S, z/ e
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
* q8 f1 N! q/ [  G/ s2 M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。
/ y1 C5 ?( I4 U9 O7 x5 m
或者把b但的起点改为1试试。 ...

$ e0 }0 h1 m: y5 b; v4 }6 A
你是对的。
+ i' M% E6 \2 K. A" M" S& l5 }. H0 [去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
" [- w5 d; L, U9 Y' G27.002620697021484 14.826167106628418
- r3 G4 C4 j' p. G& E) b
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。