继续请教问题:关于 Pytorch 的 Autograd

雷达

! J! m) a5 y) D4 G  G
. _, L5 ~& Q: o2 Q$ K" @为预防老年痴呆，时不时学点新东东玩一玩。
0 O, v) z  E  O- ~, R# hPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
) @% ^- _2 l! d  y/ Ximport torch
. a% x1 B( L7 B/ @6 aimport numpy as np
& F& I) d( j  c& T4 Timport matplotlib.pyplot as plt
) c4 \( T; C9 k' M, B; V5 zimport random
2 z- T9 N9 [5 A7 J! }$ a3 o8 }
: p- K. B  G* J* d! ^! U, r+ Fx = 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
1 u; {2 i6 |7 A# {! P1 v, w* V
9 e3 Z6 }" |9 x; ]3 R. e, Cw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

+ U9 n7 k5 t1 U) u! yepochs = 100

! s  k/ S1 l! ]. ?2 ^3 Slosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
$ ]3 X/ W# y- ?/ y0 T1 x8 l$ e' E  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
8 |) v1 j3 l. C6 i6 g4 ?  losses.append(loss)
6 D! \) \6 {8 Q) J  
/ E" x; F& o9 ]8 T  loss.backward() # autograd
" c3 E& A9 U' U  |  with torch.no_grad():
9 D  ~& ]! q9 K5 j, d5 \    w  -= w.grad*0.0001   # 回归 w
: ?* }* `% ]% n8 }8 l    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果
0 o4 `; d1 V. s% _$ H
. ~8 y& d/ W/ S7 ~" V" N6 DOutput： 27.26387596130371  0.4974517822265625
$ \& ]% n( o2 Y0 l$ j----------------------------------------------
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？
7 `9 g6 V- g# b4 J7 z5 x/ L! W6 \

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？
-------
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。
$ G) M1 z2 d) E8 l-------
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 c1 ?9 X& \$ Y6 z6 ]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。
' Z8 _$ L: ?! H; F/ F  m# B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。
5 G. @8 q" y4 A7 t. t+ ?3 J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。
. E$ T% u9 V& ~* Z/ V! X3 b
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
2 d$ _5 r$ e! i/ t) T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。
) ^5 L$ Q8 q  B" @+ I% X6 O, p
或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
' U% v4 a1 R: m#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

& ], w1 ]$ Y/ b! P循环次数加成10倍，就看到 b 收敛了
w , b
  d* R3 k4 w( b4 X/ M" [6 M27.002620697021484 14.826167106628418

* A6 u1 G. z; w1 T& t6 ?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。