继续请教问题:关于 Pytorch 的 Autograd

雷达

5 h0 Y* G! S* C7 b$ t, p
& k/ F( @: }9 A* W) o% |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：
----------------------------------------------
  U( i: H. x7 _import torch
import numpy as np
8 q9 K5 V) I9 W# R% kimport matplotlib.pyplot as plt
import random

, \! Q( l' T  x" nx = torch.tensor(np.arange(1,100,1))
y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

# n  u  c- X9 `; W& x, W* q- N4 Cw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
4 L0 W1 s8 V; i+ J  t& Rb = torch.tensor(0.,requires_grad=True)

epochs = 100

losses = []
, i! r; d( t5 t& Y5 K1 U4 W, Ofor i in range(epochs):
! T9 \& `8 z( J  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
0 A# Y1 \1 ?' F# F
  loss = torch.square(y_pred - y).mean()   #计算 loss
" \4 G: [, p, e; Z% H! j  losses.append(loss)
0 P& f/ N8 z* j# @4 H' `2 [4 E- K5 @  
  f6 A! Z! D# x( x) C5 k  loss.backward() # autograd
, A* m1 R) w2 f( e, _- y  with torch.no_grad():
! @6 O$ R3 i3 [- E4 H    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
# S# p9 @1 u) }) s3 _* B% W
8 \( O. f5 e. ~4 x. G! L1 p5 t, wprint(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
% N# r5 C5 K2 _2 z5 H1 t- L, l2 h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

# q9 v; C( Y' {0 O# [& e1 g
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。
- [& V) L6 x8 `  }6 u$ _' C# v- b-------
8 Z) Q6 `% Q! z3 F/ U; b% q1 Z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， ...

7 r: W6 H, s4 A0 S- u5 ^' ^谢谢，算法应该没问题，就是最简单的线性回归。
  v. ?$ L/ E& s  z( o" V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

! e2 X8 V: {6 @5 |

雷达 发表于 2023-2-14 21:52
  x% C6 R/ D! p1 T谢谢，算法应该没问题，就是最简单的线性回归。
8 p! }1 s# ]8 K# k7 h3 [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。

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 P9 |5 B" F* ~  q  M2 k' {或者把b但的起点改为1试试。 ...

! U1 `: [; I+ @; z$ Y8 Z' E% _
8 o: [  Y* C' I' _你是对的。
/ B5 @5 ~6 J0 h: r% t去掉了随机部分
9 M" \' S; i" A3 Q& H0 D# f4 v8 C#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

7 T3 G/ y* w# S7 g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。