继续请教问题:关于 Pytorch 的 Autograd

雷达

6 ]7 [0 K" d! b- `* D6 \) x* c
1 m3 ?9 Y8 ^) e+ O为预防老年痴呆，时不时学点新东东玩一玩。
8 t% H% [$ u3 }: m% x  qPytorch 下面的代码做最简单的一元线性回归：
: R2 w0 m6 U2 y7 g4 E----------------------------------------------
6 z7 g$ t1 L4 ~( r# Z+ Aimport torch
+ A$ C# V* ^& }  g* e2 n1 Dimport numpy as np
import matplotlib.pyplot as plt
import random
3 L7 j/ u1 r/ A
" t* ~7 V2 [# Q+ H- A, _/ Lx = 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

7 h. t5 C1 P2 B0 e* F5 V9 sw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
9 d) q5 N; Y: s0 h
2 L$ t7 k1 p8 s: R9 mepochs = 100

7 P' x$ m8 p% \; Z' v' zlosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
+ S8 F7 s* G; p3 E  losses.append(loss)
1 T% S- c" v: F: P* s) W  
  loss.backward() # autograd
4 ]* N1 [8 j# N; W! y8 Y0 k* G: v& c9 x* G  with torch.no_grad():
$ G9 L4 I+ l: f" k! a    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

# B+ T. o' n9 Uprint(w.item(),b.item()) #结果
9 c* r) Z: `& Q7 }" T
Output： 27.26387596130371  0.4974517822265625
; O- H7 u, b/ I/ q. ^# s* p----------------------------------------------
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。
0 n0 N7 |1 y- p: `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？
5 e- u6 b: [$ z" x6 |/ [/ J-------
! P) j& s# b$ s; _  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
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？
- ^" a4 m1 {! }-------
! U7 G3 \$ A7 P( o( p: {2 e不好意思， ...

0 Z9 f# v9 ]( K8 B, B/ H谢谢，算法应该没问题，就是最简单的线性回归。
% s. n# I2 e4 k$ |3 W# D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。
' o+ x$ [! R* ]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 ...

0 G8 I. J+ s2 }* M3 f8 P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 S8 ~% e  A, T
或者把b但的起点改为1试试。

雷达

; v7 A; N; {! n0 |. t& `% v

老福 发表于 2023-2-14 22:00
) J: k; m9 \8 b' E4 C; `2 \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。
& J4 i+ f* N: \3 F
* ^$ I0 y) Z# j1 o( X) F9 A  H或者把b但的起点改为1试试。 ...

0 M: x& P. q0 w% z你是对的。
- g9 b0 c  z! R# k4 d# }: u# b去掉了随机部分
1 ~) y4 S: ?  V/ @5 v. n#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

* E  C" ^8 `8 u, ~( ^) v% Q循环次数加成10倍，就看到 b 收敛了
8 h  }6 |$ A, y# G! [3 u6 Aw , b
) K- m2 S- q+ V; O8 x: F27.002620697021484 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。