继续请教问题:关于 Pytorch 的 Autograd

雷达

: c( [' z2 N3 e' h3 y. J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：
----------------------------------------------
9 v( o) r2 i6 n! G; b2 fimport torch
6 D8 `6 Z9 O: g( t& }! o$ cimport numpy as np
import matplotlib.pyplot as plt
  h" B  \$ b. ?" P1 _* kimport random

x = 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
" L+ w: ?% l9 p- |4 Y) O# ]
' y9 L6 O) R8 w" E" C; a- lw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100

losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
! `9 Z  [# o/ j3 r# H  y_pred.reshape(-1)

" e, c* [0 v4 i3 |  loss = torch.square(y_pred - y).mean()   #计算 loss
: t2 w+ A! S& }; ?* `$ G  losses.append(loss)
  
  loss.backward() # autograd
4 {& @7 l) Z9 E8 Q: r! e6 m& s  with torch.no_grad():
. p- t( Q' V# ^* ]5 c8 q/ q3 ]    w  -= w.grad*0.0001   # 回归 w
$ s, [( d+ u5 d    b  -= b.grad*0.0001    # 回归 b
1 f$ Q( u8 {, m2 j9 j  w.grad.zero_()  
0 b2 x. o3 b& y. N. Y  b.grad.zero_()
/ g) H& x8 ^4 f2 q# r$ B8 _
print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
4 x) F: h- `* \4 H  t1 Y9 _----------------------------------------------
) A8 @% T  X  P) ~" o2 x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。
1 Q. C  ~4 V* b7 S/ d( j# O高手们帮看看是神马原因？

老福

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？
-------
; h+ }7 Z$ ?% F/ g7 H, V4 V7 ]; w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。
% Q  \6 L$ `! H# Z1 k; C. T-------
$ l% |# ]  K2 h+ v; L0 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
$ r3 r0 m0 _' P/ N( ?" C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？
: a: X1 n/ X$ r) I-------
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。
. u) J1 `+ z' R& W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 ...

: k) c% P/ C! ?6 E
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 k0 A! U& F
7 y1 t. b& S/ m# e或者把b但的起点改为1试试。

雷达

9 W. V  ]% k: N, V1 Q2 ?

老福 发表于 2023-2-14 22:00
) E# M. g! x- [: v9 _5 ], F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。 ...

2 b4 d8 }. D. a7 y7 p你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
3 n" Q2 l$ a( ?( D, p1 jy = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
' Y0 T* `8 g0 _: w2 }27.002620697021484 14.826167106628418

4 G1 X, M$ T+ F9 t" d: Z4 a1 q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。