继续请教问题:关于 Pytorch 的 Autograd

雷达

2 i- |7 T7 Q/ j
为预防老年痴呆，时不时学点新东东玩一玩。
6 t- k/ o' N- ?* g* C  |Pytorch 下面的代码做最简单的一元线性回归：
, q( g$ }  a) _4 Q----------------------------------------------
5 [! T6 U1 o3 i) f' L8 I! @5 Q. _import torch
" i! o( B& K& u1 \0 R/ a, [import numpy as np
+ b$ W! C# {- M0 i7 Mimport matplotlib.pyplot as plt
+ R+ H' y5 }  J/ Fimport random
$ t) D( y/ J& N/ T
( L9 a$ _1 G& a$ T6 ]: A/ yx = torch.tensor(np.arange(1,100,1))
! j1 s2 ^8 T$ i! \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
b = torch.tensor(0.,requires_grad=True)

epochs = 100

( r) q) d  e) s0 n( dlosses = []
! P& a4 Q* T2 q: m* f6 ufor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  o& f! g6 |, |- d, P8 x; K* Y) N  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
* {: y: T8 a  {) j    w  -= w.grad*0.0001   # 回归 w
4 a" [# v- ^! a: `/ M$ E* [. l    b  -= b.grad*0.0001    # 回归 b
9 r" m, f* C7 w  w.grad.zero_()  
# Q5 ]4 c$ e4 m' ^0 O4 }  b.grad.zero_()
  t# U+ v; ]6 V  y
print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
. j$ a1 \; g: X/ W9 J. I! t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。
3 j! f( q# X/ v% Z7 n; A5 c高手们帮看看是神马原因？
2 L0 s0 S! ~6 b3 P6 ^' ]* P

老福

9 a+ y& f( X/ w
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。
-------
/ ^4 c& r3 n  @3 U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？
, T# G0 @" }: O-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
" u7 Y6 |% R$ T; t% |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 F: c% d2 k" {

雷达 发表于 2023-2-14 21:52
4 y' J% S  s* [" d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。
# f  h  g  ?. H  w) |8 m
" S" q( W, H7 z3 r% j或者把b但的起点改为1试试。

雷达

* ^+ O) X) L* o6 H6 Q/ w

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。
$ W3 ~  h0 C. p5 r, P8 {
: E7 E) Z6 v* v1 z+ h9 _或者把b但的起点改为1试试。 ...

$ _) M" [; e# N: Q2 x5 C/ r2 M3 ]
) B# j1 q7 f. W4 g7 {5 V2 g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)

* m) H; S% A) O$ ~4 W- C0 M循环次数加成10倍，就看到 b 收敛了
0 x( F+ d. b# Y1 K$ Mw , b
27.002620697021484 14.826167106628418

: {1 A5 Y  l( N  a& Q* {" L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。