继续请教问题:关于 Pytorch 的 Autograd

雷达

1 o8 X% V: F  J( [" n1 U
, t4 T* x. w  |4 C* Z1 K" c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：
----------------------------------------------
& _, ^/ }* z, Y' qimport torch
2 M" D* Z+ @6 f) Oimport numpy as np
import matplotlib.pyplot as plt
1 y8 n3 o6 K: j' D! O0 d) Vimport random
: e- C' O( f; C' y) B
x = torch.tensor(np.arange(1,100,1))
) i3 t" O/ D& m0 Ay = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

" M  X1 J8 Z. J" t& B3 Jw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100
: w3 r8 p& J+ g0 P( Y# `  s% l
losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
$ i( b5 Z; L* P1 f2 I2 ~) ~  y_pred.reshape(-1)
2 q7 \$ L4 W, _$ \( }" V- m, [8 h
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
: i# B' }7 Z: e6 R, S  
  loss.backward() # autograd
  with torch.no_grad():
! Z" n8 ]6 Y9 R" ^3 G; B$ r    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  X: P! n& |  [" x, C1 M) ?% P4 e8 b  w.grad.zero_()  
: o; Z) e! A7 M8 s  b.grad.zero_()

print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
6 y" U; W/ q( M0 a- [8 g' T6 v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 \; v4 W) L' ^! ~高手们帮看看是神马原因？
7 ^  z2 T) b3 J6 y5 C4 H+ a

老福

9 k8 W3 T& C3 P: e" ^* y/ ^
, f' f# e8 U8 l: o) }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？
4 o& S* e' s& Z/ 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。
-------
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
2 C, l( p/ D$ D8 @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？
% ?7 y( K( c! c4 ^, 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

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。
' ~* T" r2 z& m) u  A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。
& P: O8 y3 b( `9 f2 e; @9 z4 a$ P
或者把b但的起点改为1试试。

雷达

7 v! N3 ^4 n4 n

老福 发表于 2023-2-14 22:00
  M" B9 ?# t( i, a- R! X: y3 M# S/ C3 ^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。
- z% ]1 ~) O  V( u. h5 u8 L( e
# G1 I2 M" n* }- o或者把b但的起点改为1试试。 ...

你是对的。
' G. L7 a4 X4 g" f& Q去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

: X6 y$ C! S& l: W8 }循环次数加成10倍，就看到 b 收敛了
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。