继续请教问题:关于 Pytorch 的 Autograd

雷达

7 r& |/ {; |- S% e( [& j2 X
为预防老年痴呆，时不时学点新东东玩一玩。
2 Y! c$ ^4 a' ?1 `& M' _. ~Pytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
  J1 q4 ~. K$ J( d* e  o& ]* V0 f# }import numpy as np
import matplotlib.pyplot as plt
import random
( |3 {0 W7 ]/ t# h
0 ~2 d6 r6 m" V8 P% S0 L$ jx = torch.tensor(np.arange(1,100,1))
* J0 J  G" {/ n0 H; m5 q3 jy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

* ?  t- ]5 W( b, p5 dw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
* d: E. P6 D$ R+ }& n
epochs = 100

losses = []
for i in range(epochs):
1 S& `# D- s% R/ m" U  y_pred = (x*w+b)    # 预测
3 h% A8 `$ L: ]$ b  B7 ^( @' S" c  y_pred.reshape(-1)
; P; P# T8 t" y6 i: P; X
( z, O; `/ H" k6 Z9 w7 E! D  loss = torch.square(y_pred - y).mean()   #计算 loss
( T0 n8 B1 r4 b! r& {& T4 w8 |2 _  losses.append(loss)
+ Q6 P# X. Q0 e  
& F, X' B! U: }6 p( ~  loss.backward() # autograd
$ T/ a8 ?5 v" d) {+ @  with torch.no_grad():
! v) g3 [4 M9 s" b- _3 ]9 r    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
( ?0 z/ d  S5 x  w.grad.zero_()  
) L2 \, m; v$ O3 y: j  A  b.grad.zero_()

# j5 h( o6 B: W8 l* U6 F, k; ~print(w.item(),b.item()) #结果
3 ]. A! p. Y5 W2 s+ ]# D( }- N
. ?* z5 V" {( n( M3 N1 nOutput： 27.26387596130371  0.4974517822265625
8 y; r2 @( F" F  j/ {; H& f3 u----------------------------------------------
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。
0 l0 q3 I3 R0 ^, ^/ t7 O5 m高手们帮看看是神马原因？
; P* p1 X2 }: Q1 W! k* e: h. N

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？
, @; Y2 |' ^+ e9 s( J-------
+ r5 |" l# h4 f9 C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
- U& I2 C* D& M3 H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？
-------
不好意思， ...

& y7 I8 ^+ \4 L. ]. b2 L  j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

! S: y5 S) k& p  N3 ?& V2 U

雷达 发表于 2023-2-14 21:52
: Z" b7 g/ ~% C: G- @* ?- M: s- w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。

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
' v+ p! ?9 O. [  @3 d1 v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。
& S7 V2 b; h( {- x/ Z3 H- [
或者把b但的起点改为1试试。 ...

0 V5 m5 i+ J+ u: X你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
% W! `3 l- z4 b9 a, K  z9 Y
. c% S) U8 {! `3 J% g* y循环次数加成10倍，就看到 b 收敛了
* c4 ]- Y1 t0 L) p" E. Qw , b
9 d7 _5 n+ u: g/ `6 ?27.002620697021484 14.826167106628418
2 Z  ~6 D3 O& e+ m, _
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。