继续请教问题:关于 Pytorch 的 Autograd

雷达

. p8 h$ T, S) k* B& j
1 Q- k2 ?6 R7 `3 n& {+ k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
1 D8 Q" R1 ^2 i/ H4 o$ [import matplotlib.pyplot as plt
import random

x = 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
/ h6 x2 [5 l0 B/ r& c
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
; H) T5 X' h* W, d6 n" v1 F9 ^b = torch.tensor(0.,requires_grad=True)

3 W5 P6 _5 ]! R" P5 i) depochs = 100

! I9 c/ K% z* U# Q) Z. V3 rlosses = []
& U* y; F  M% M7 Zfor i in range(epochs):
6 f! ]) g. q0 A) T6 s  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

8 D0 B7 D, I" G  loss = torch.square(y_pred - y).mean()   #计算 loss
+ a6 T; C9 E+ |* J6 q0 G  losses.append(loss)
  
. K2 V- E5 w; A' {  loss.backward() # autograd
  with torch.no_grad():
4 N0 e. s& [$ ~0 U! r6 P; L    w  -= w.grad*0.0001   # 回归 w
& ]) `* a* g: Z6 x8 h    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
9 x* W2 E2 O, K) h
print(w.item(),b.item()) #结果
5 L- {( ^" r9 c0 v8 p5 f
Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
% P. A& L# T2 p$ b0 u. T4 K/ \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$ J: ]2 W% d' c" H$ @高手们帮看看是神马原因？

老福

$ z" U. S+ E0 g) t  B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？
-------
, ?, K( ?9 r* g9 K3 c8 P% U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。
7 ^+ N0 u2 j$ j2 h-------
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( }9 \' E9 J4 x" H-------
$ {+ ?: C5 c6 Y8 l" S不好意思， ...

* l+ u4 ~- c! w/ N5 H: U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

3 D  y7 |) _, ^7 p

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。
7 Q& ~: y9 i' Q8 g* J
7 b+ m( F3 ~. O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
0 F1 P7 q# E& v+ k4 m0 F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。
; j+ x8 X- S' n6 K& @2 j- z
或者把b但的起点改为1试试。 ...

$ c) H; o* b! X你是对的。
, N# i7 F- n, S( L/ V去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
( [3 y% u; q" K4 J; `6 x; }9 dy = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
) s! Q! E" \% H; r5 M; B- X
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。