继续请教问题:关于 Pytorch 的 Autograd

雷达

1 x# t; }) ]4 \# _7 p- ~
3 e; k1 c' g/ Z- e% k* 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：
----------------------------------------------
" R  ?9 @& ?8 F1 G+ O6 }import torch
import numpy as np
import matplotlib.pyplot as plt
  Q3 p3 g* E7 Jimport random

  c9 b% r* f4 ux = torch.tensor(np.arange(1,100,1))
# n; X; k0 M( Q& \: V5 @  A4 gy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
# S: s* v2 z( |
) k, l% k& z9 O+ P. q, H5 }0 N% ew = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
( g2 b4 N  d' x: a! N8 Vb = torch.tensor(0.,requires_grad=True)
7 f& Q, m9 k7 \' ]" h0 w
epochs = 100

losses = []
7 F( ?8 D" w2 e% Z6 Z3 ]9 \, r3 N5 bfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
' b+ ^* u- H1 Z2 n; O% @, C  y_pred.reshape(-1)

4 j$ S" I- ^0 s3 v. |  loss = torch.square(y_pred - y).mean()   #计算 loss
  @. j" ~! I0 I5 L  losses.append(loss)
2 `. R: E4 ^- @  
# R# K& q8 [2 _& I2 C  loss.backward() # autograd
  with torch.no_grad():
9 v0 N0 O8 K7 P" s  H" Y    w  -= w.grad*0.0001   # 回归 w
8 _: k( T7 @- m    b  -= b.grad*0.0001    # 回归 b
# ?8 ?8 i( j. F$ V0 m: j5 }& \  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
! v4 @  p, B  G' S2 I- [' F3 X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？
-------
& `/ r: \& r4 S' z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。
) l! k  x; f8 N1 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？
-------
6 C' @1 t, s7 q' x不好意思， ...

# J7 \5 X7 Z) e, U' ^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一下。

老福

2 f% q+ l( f$ D: l# s) @; S0 v

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。
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 ...

% r6 w' O+ m/ ]" i: l9 c
  b# v8 @6 D2 h' {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。

, p3 Q  t) z9 K. s/ E) ^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
. P# u3 O7 K: {9 ^6 B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。
/ Y1 }+ r% I, H% [) E0 E, g3 o  D$ e
0 `5 T0 K5 B1 a0 o0 N或者把b但的起点改为1试试。 ...

你是对的。
% U( E& r8 z3 G! a' i$ N去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

' F6 f# ]+ i  X$ }" p循环次数加成10倍，就看到 b 收敛了
0 x, T/ h; L( @7 b! V5 j: {# [w , 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。