继续请教问题:关于 Pytorch 的 Autograd

雷达

7 Q3 e% X4 b9 M  _! ^! F为预防老年痴呆，时不时学点新东东玩一玩。
/ E  ~* l5 |- y4 ZPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
import random

' c2 _5 o: L# }x = torch.tensor(np.arange(1,100,1))
2 a* {/ t9 K2 g; @; @' _y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

/ R- W7 _. V+ R1 q1 pw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100
  k" ]8 U1 K6 k0 A! ]6 U$ x
# V3 L4 x2 p# R7 D9 tlosses = []
for i in range(epochs):
* r2 g) t. ]5 P6 G- T  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
4 p  D- a; p: Z9 |7 b% e9 P
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
6 F" ], @: w0 C' W  
  loss.backward() # autograd
  with torch.no_grad():
, l6 E( C8 N# H4 Z% U. h; ?    w  -= w.grad*0.0001   # 回归 w
7 S/ v0 {& D" [    b  -= b.grad*0.0001    # 回归 b
/ Q0 t; o" s# E6 M, [2 M& F  w.grad.zero_()  
$ K2 N0 ?: _2 M  b.grad.zero_()
& ^, F  _7 i- K
print(w.item(),b.item()) #结果
! S& U9 |3 e2 W. R/ D% a) t; C
4 p0 _# y; W( bOutput： 27.26387596130371  0.4974517822265625
) K, v$ ]$ M+ m& P7 w----------------------------------------------
0 h# S  L3 g9 ~4 l8 {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。
7 F8 h7 [! B. V高手们帮看看是神马原因？

老福

$ K" `* d, S  K& H2 Q& c% o) n
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？
-------
# o% w) l9 m& M/ F: z6 z% I: B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。
5 S+ O0 P8 M" u; l$ |-------
6 w' e, t) Y* }0 y6 k: h, M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？
-------
, W! |' B, b+ I/ a% G不好意思， ...

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

- i, T# Y8 M" S

雷达 发表于 2023-2-14 21:52
5 O" ?2 F, Q7 A1 ~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 ...

" r: ], b# S0 j
5 A. p6 d/ A8 C+ G4 G% R, 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。

. I7 R+ a% M9 y或者把b但的起点改为1试试。

雷达

/ l$ r+ M; o* i

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。

或者把b但的起点改为1试试。 ...

你是对的。
: R: S+ G# F5 Z1 x7 H去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
8 e. b. c* M8 z2 V' r( D7 py = (x*27+15).reshape(-1)
% G4 u9 T5 s, E# E8 N/ W
循环次数加成10倍，就看到 b 收敛了
  E5 x# K4 d( O! U5 U  Pw , b
9 b/ i+ O( |+ ~. h27.002620697021484 14.826167106628418
# [" l: S' ]6 x% j
- T; e& x& f2 N/ ~3 a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。