继续请教问题:关于 Pytorch 的 Autograd

雷达

! l: A% _& G/ v2 S为预防老年痴呆，时不时学点新东东玩一玩。
7 K4 h2 w2 ^# S. r0 ?; z, Q  HPytorch 下面的代码做最简单的一元线性回归：
2 T7 l6 J( S$ ]2 ]! r, t----------------------------------------------
2 w" G  ^( r6 Fimport torch
  D( R- p& k+ j6 X8 n+ Oimport numpy as np
- \4 Y7 g: j1 W' ^# P! Y4 s* pimport matplotlib.pyplot as plt
import random
% [; k1 I& d) C3 N
x = torch.tensor(np.arange(1,100,1))
! U% X# q; w* C& J( A- @4 fy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
8 S% ?1 {, h) R
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100

- d; a1 T# q  Rlosses = []
! ?/ ^- T( \. I* Jfor i in range(epochs):
* B0 X' d/ `6 R+ e4 ^5 X( k  y_pred = (x*w+b)    # 预测
: i* Y  \# [: O0 g  y_pred.reshape(-1)

" e* @# X$ G: \. ?9 H  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
& b" i* [/ ~, B0 _" T1 h# o  
6 _, p6 v' Q+ m+ c  loss.backward() # autograd
+ ?9 s& G1 ~6 ?& ~3 {  with torch.no_grad():
; H  }# E/ m: o; e1 G/ X/ R  X    w  -= w.grad*0.0001   # 回归 w
+ K- q  S( X  Z/ n1 {: V    b  -= b.grad*0.0001    # 回归 b
( c( x& I" _: A  w.grad.zero_()  
  b.grad.zero_()

. p7 C$ T: N: k- H$ Kprint(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
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？

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？
-------
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。
, e& ~7 r" b2 Y# k. }-------
% A. x( D, f2 s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？
-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
0 }/ F5 @  b7 J" b# ^8 R3 U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

$ K. v. W  |; e. n) z

雷达 发表于 2023-2-14 21:52
$ g! U+ x1 O! z) W. h* x+ y" {( C谢谢，算法应该没问题，就是最简单的线性回归。
) g' B) J' ]3 e; e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 ...

' g" ?( ?/ m2 }1 v" X* S
! J, d, a1 W. T, O. 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。

8 a/ F. j  q* |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。

0 A' Q2 C, B) V- W# Q5 {) }! M7 L( k3 z或者把b但的起点改为1试试。 ...

9 O7 R1 D8 W+ U# g: \3 P
8 i* ?7 O: v  K你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
% Y; e( e) L* S% L% R, yy = (x*27+15).reshape(-1)
6 _8 g  b, N9 X8 _$ |
) n  t. q) s. M( U$ t% m+ {6 e, C6 }9 X循环次数加成10倍，就看到 b 收敛了
w , b
- M. Z. T6 ^- c  O) S, E* X27.002620697021484 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。