继续请教问题:关于 Pytorch 的 Autograd

雷达

! H6 I* r7 }: O' A1 E# a
% S; }) `; r7 y: v- v- M- @为预防老年痴呆，时不时学点新东东玩一玩。
+ V) X. ~, _4 E( x* ^- k1 LPytorch 下面的代码做最简单的一元线性回归：
  M% \, `1 n3 o) M" a  V" G! W----------------------------------------------
import torch
3 n4 p4 b; |) f( ^9 C  V; ximport numpy as np
2 M+ I7 x0 D- s" F4 q4 O. |3 H2 Fimport matplotlib.pyplot as plt
' B1 d* j' ]0 z0 D0 Rimport random

x = torch.tensor(np.arange(1,100,1))
; ?4 o! g7 ~0 w  b! _: ^5 ey = (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)
; x9 i/ O6 B* r0 n: u
$ C5 O& N6 F# C, g* q6 Hepochs = 100

9 |  J  K7 o+ D4 L0 W- w, }5 P) Closses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
6 L) |4 u+ h0 o0 t. ~. j$ A! Y; T: l3 U  losses.append(loss)
  
8 p" @/ W8 n0 M8 o6 G9 R: u  loss.backward() # autograd
4 b! E( M6 u& @: _2 K% h$ A. m* B  with torch.no_grad():
' e; O- G  `: ]& I3 @; P9 w9 ]# a& F    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
8 W: ~" }1 p: j  I# O; j  b.grad.zero_()
3 W! w9 p  m( r' g+ r0 n0 n
print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
1 x2 |3 T" k; f! s+ k/ Q# `----------------------------------------------
: v0 a  ?( S4 M* i2 \  l* z$ 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。
高手们帮看看是神马原因？
5 v% f+ N! M& h

老福

0 Z0 K8 e1 K+ @
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？
% z0 A0 P7 k& P-------
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 {9 `1 N) B8 d" A: s3 T9 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？
-------
2 o" F# w$ h  X不好意思， ...

4 H; [) |) P/ A谢谢，算法应该没问题，就是最简单的线性回归。
- Q6 q+ v# K+ i1 A( a( Q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。
4 {% p. r4 I! C. x8 o4 g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。
, S: T' |, I0 z
或者把b但的起点改为1试试。

雷达

9 a6 g$ x+ H* x% s3 E3 O3 d6 P

老福 发表于 2023-2-14 22:00
; c1 Y) q7 l. W# q$ S3 U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。
; Y/ L* Q; _( Q9 G0 D3 L4 ]
) h5 v9 V9 ]" T2 }6 K或者把b但的起点改为1试试。 ...

你是对的。
+ B3 J. R' K8 w! u8 S去掉了随机部分
# K  C0 J. h4 f, ?  E( ^#y = (x*27+15+random.randint(-2,3)).reshape(-1)
% n, M7 y5 s8 t# X; S, Y9 K: ~y = (x*27+15).reshape(-1)
' W; [1 M/ n; Q+ r
循环次数加成10倍，就看到 b 收敛了
w , b
' ~- h1 m: y9 J27.002620697021484 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。