继续请教问题:关于 Pytorch 的 Autograd

雷达

6 H* v. ~% q2 l  u' m- P1 k) T/ u
为预防老年痴呆，时不时学点新东东玩一玩。
" r+ v' Z# V& X. H: \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
7 `4 X8 Y9 \& mimport 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

4 M) m8 B( ~, Jw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
9 X- b7 w: b0 ib = torch.tensor(0.,requires_grad=True)
: p! q6 B2 q. f8 x. B. ]) E9 j- h
* ?( c  _6 o$ A* O- Uepochs = 100

5 J9 r; p" U, G0 Q# `6 R5 plosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
& {; v- ~& a: M: [) m
* `3 x9 N! v$ P5 q0 X: `+ T  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
. L! s! P6 g3 \: }! S  
  loss.backward() # autograd
" V; y# L& [# \  E+ b  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
. w# W+ y2 w7 T( Z  b.grad.zero_()
# e# b3 B0 Y* Z  f
print(w.item(),b.item()) #结果
' ~" ~* K, }. G1 a. e+ U6 [- x
& o3 v/ ?2 {- E6 l5 ROutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
7 L4 M4 s. C2 b. [& r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。
; |: W9 l" }  L2 u2 ]/ `7 O高手们帮看看是神马原因？
, Y/ a. `9 P8 l( {. T+ t6 v# [6 s

老福

1 I' H2 Y4 y* R. U8 ?+ k4 v
  j$ `' d" Q: L* l) O' ]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，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。
. c! V8 o% o- I* ~" z-------
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
; j6 T: o2 J8 K/ k# e  S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？
- C4 a* [( K! D: Q* }% Z-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
0 T' H- d' Z! b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
. m, Q; F- B9 K% [( C8 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 ...

# D3 M2 S' T$ O2 x2 y7 y
: p, w' M0 m! w8 J+ E$ C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。

, ]6 {* f2 U/ `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。

( Z# L" R  H, A. y' C或者把b但的起点改为1试试。 ...

你是对的。
2 g3 ~$ U: @( Q% d4 t* t去掉了随机部分
) o, `) c9 ~4 e0 @2 i8 Q#y = (x*27+15+random.randint(-2,3)).reshape(-1)
  x3 {1 L' N. By = (x*27+15).reshape(-1)
$ w( a) m- Q% c5 `: @$ O
7 i: }4 p$ u4 e3 U4 @+ M, a循环次数加成10倍，就看到 b 收敛了
+ O8 w; D1 Z8 Yw , b
27.002620697021484 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。