继续请教问题:关于 Pytorch 的 Autograd

雷达

$ a6 f0 m, @* }) O3 J; }
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
9 m) ^6 w0 _3 t+ S" ]6 F% \import numpy as np
import matplotlib.pyplot as plt
import random
1 _8 b( V+ v, a
0 }1 h) Q7 G2 C! a7 T, Gx = torch.tensor(np.arange(1,100,1))
4 G2 e3 ^# `2 ay = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

* ^7 T. W0 ~8 }7 d4 ?6 Jw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
; b+ W  {* ]! ]0 n. j/ db = torch.tensor(0.,requires_grad=True)
) p$ w5 y1 u) c5 [- A1 }
* p4 z1 U* c0 w; S1 H4 S4 z+ Hepochs = 100

losses = []
for i in range(epochs):
( }6 |6 o1 B! E& E2 R  h  y_pred = (x*w+b)    # 预测
2 y; K7 j. K, a2 N3 `& I7 D  y_pred.reshape(-1)

% x4 C7 U6 d" M% l& |  loss = torch.square(y_pred - y).mean()   #计算 loss
7 T& {2 t/ {. }/ }/ D" q+ J7 ^! c  losses.append(loss)
& J  Z+ P! H1 s, N4 ~0 r8 S  
  loss.backward() # autograd
  with torch.no_grad():
; M' c4 L8 n/ b9 a/ u" l9 A5 G    w  -= w.grad*0.0001   # 回归 w
2 y3 U1 s# j/ `5 C6 o7 ?    b  -= b.grad*0.0001    # 回归 b
1 B- t3 \' ^  _7 l. t/ _  w.grad.zero_()  
  b.grad.zero_()
4 [8 g9 M$ g! ~# l
3 d- X+ E2 q& F. E% I4 z7 J3 eprint(w.item(),b.item()) #结果

8 [; p" W1 M  O) u8 [Output： 27.26387596130371  0.4974517822265625
8 K2 A' P) P0 x$ {# [* v, ^& a----------------------------------------------
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。
6 B* S8 _8 A' l" I高手们帮看看是神马原因？

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？
-------
, O2 g! r: E9 M0 p4 C9 s( h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。
) u* Z. x; ?: t8 t4 a  f# u* b-------
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？
-------
- I- n* f# s; I8 C) ]不好意思， ...

+ i& j0 C. T- t% I1 z谢谢，算法应该没问题，就是最简单的线性回归。
5 O6 I% t% |( v# ]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
/ C: b& [* {$ |谢谢，算法应该没问题，就是最简单的线性回归。
* m2 A1 Y' @4 p4 h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 ...

, _9 a( @7 I1 g- D! v" D
/ I1 ^% p- h! q# O& g/ h8 K5 w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

) D0 K% K2 u% F9 x/ d; g" w5 e

老福 发表于 2023-2-14 22:00
' R$ \9 y: E' L! h$ n4 Z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。

' k: A8 Z+ p) a  {% ~- S/ r或者把b但的起点改为1试试。 ...

5 k$ j* k; x) r  x你是对的。
: I( A$ B! ^: F0 Y去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
4 X6 ~# I& r0 A& I7 Bw , b
* b+ I8 k, I1 ^# s1 h( V27.002620697021484 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。