继续请教问题:关于 Pytorch 的 Autograd

雷达

& s$ I  I' i9 _3 q; {
  `! N7 f, b9 ?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：
- w2 V- O* v, B* P2 C4 P' ~5 y----------------------------------------------
import torch
/ b4 h/ J+ [& Q) j7 i" ]import numpy as np
import matplotlib.pyplot as plt
import random

/ @+ ?; I8 j' ]+ i" c- c" Zx = 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

: h7 I5 Z/ r3 y. W5 @  _# W) M7 Uw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
6 W3 Y" e- G" |0 ]1 qb = torch.tensor(0.,requires_grad=True)
& ~- I. g* T2 j  R, k
epochs = 100
% C. i9 Q$ O4 M$ T7 l5 y- ?; z
losses = []
- `7 R  @$ t, a. _0 ?- P5 Zfor i in range(epochs):
+ _8 \; N5 X+ ?! W" q  n% R  y_pred = (x*w+b)    # 预测
5 F" w$ [& {5 i  y_pred.reshape(-1)
. A4 ^0 ~( U+ e9 H' b+ G
$ I/ Y! m6 m/ f4 Z9 O$ `  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
6 @1 N" p7 U8 G1 Q  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
+ G4 }  m8 ~4 D) \; {2 o    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
- R- W: i3 ~0 I$ |
print(w.item(),b.item()) #结果
. ?" H  e$ _7 L. H* f$ }
, x8 H6 X% d/ @! X+ A0 X" x+ q0 BOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
& ~7 l/ o- D* y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。
! O3 A1 m) K% g高手们帮看看是神马原因？

老福

( b# H1 ^$ y: ?' ?, 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？
-------
) N2 _) E7 ~2 r8 ^. B2 J4 O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。
$ k/ [$ }5 x) |& 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
  k) {( K8 V  m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， ...

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

3 c1 O1 I' |* K

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。
, {! Y/ [3 c- J, Z3 M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

, l8 b8 L7 d. @

老福 发表于 2023-2-14 22:00
4 F3 \/ L: {4 c8 d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 o3 ], ~1 `- F) n0 z: f或者把b但的起点改为1试试。 ...

6 {; j  }& Q3 G
5 {, D9 }' r6 N" u/ N- p/ r# |5 h你是对的。
+ P% Y4 d8 G3 P; a/ a0 Q/ F去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
! X* C* _1 N0 }/ R9 [( b5 N7 Q
# X; T* D: q+ f5 Q  Z: r循环次数加成10倍，就看到 b 收敛了
w , b
! M8 w( `8 i5 c7 R: l1 N9 T7 f27.002620697021484 14.826167106628418
4 b/ x1 S" H+ r' X% _6 ]
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。