继续请教问题:关于 Pytorch 的 Autograd

雷达

2 X- J- P( ?7 }: d
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：
* c3 b: p% [- Y0 f: [----------------------------------------------
import torch
5 q' s" G4 X7 c  @# himport numpy as np
3 k+ o" M; C6 @import matplotlib.pyplot as plt
import random
* n8 H3 T: E) O7 g$ p4 d
x = torch.tensor(np.arange(1,100,1))
3 \# l' @7 H% z) N# W; Ey = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

) Q+ H. ?3 I* }! E! c+ hw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
. }$ C+ Y4 X4 o& u9 k" Pb = torch.tensor(0.,requires_grad=True)
. T4 i* `! U6 ^
7 a! E& ]! m, ~$ V9 h7 o+ O( depochs = 100

  F" n1 Q7 O# \( r+ Q% Z; plosses = []
7 f: Q3 O2 t) t) J$ H* X/ sfor i in range(epochs):
3 ?+ H7 _' F: ?4 l' B  x& l  y_pred = (x*w+b)    # 预测
* @1 ^9 U4 a& P, Y: x  y_pred.reshape(-1)
, y" P  r) c  O" F+ Y- q9 [/ W: Y
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
4 S/ _: ]5 t" J! c  
; Y8 k1 N4 [4 f" [5 @# \7 P8 z9 y; m  loss.backward() # autograd
: d' v# z* v1 c3 A% Y) [6 i3 b  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
. h7 H7 {: O: ?; k6 A  w.grad.zero_()  
) i0 B& A/ w' S4 U  b.grad.zero_()

. ?- |5 X3 W; p6 x$ aprint(w.item(),b.item()) #结果

3 G& A" K: K  JOutput： 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？
2 {8 T8 V& u3 q5 b' R  \' Y" e

老福

1 ?9 y' p4 h# ~$ Q9 E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, |; p4 q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
3 O4 v& p6 s' B$ U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， ...

6 Z3 p/ R2 S& {" L! {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
0 |& O% m1 b6 v8 `9 q1 ^, K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 ...

7 `: P1 [1 ]3 ?
6 {+ X+ s2 D3 U5 ?" o8 d# ^. m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。
6 i* j5 Y) D9 B! S' M' {. i% d
1 b; g& c4 y  }% l或者把b但的起点改为1试试。

雷达

' [) N" R# G: B# M! }$ \. e

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。 ...

* C6 ~. r( m% z; \: M你是对的。
5 h; j4 t3 P( A1 I9 \* m去掉了随机部分
( V/ o/ V) u; b+ A8 w2 @#y = (x*27+15+random.randint(-2,3)).reshape(-1)
5 S( Y9 C6 l# g) W4 h1 Wy = (x*27+15).reshape(-1)
$ }) m  K3 l) u! W* w: s7 _& ^8 e$ B
循环次数加成10倍，就看到 b 收敛了
  Y) P& u0 N' C+ }* s  k8 Tw , b
27.002620697021484 14.826167106628418

# r! ^1 P) M2 S3 P/ w' v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。