继续请教问题:关于 Pytorch 的 Autograd

雷达

! K' h$ I5 X" n
0 ~! [+ P" T$ B: I# T* P! s为预防老年痴呆，时不时学点新东东玩一玩。
5 F' Z$ n& L. BPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
import numpy as np
% {5 J- @0 F$ t3 v% X6 `import matplotlib.pyplot as plt
: f' a% \1 X7 Z# D( e% Yimport random
) B: G* ~3 i! [& u% y# O9 Y: e3 f. x
x = torch.tensor(np.arange(1,100,1))
1 _' H% `$ C2 F! v- ty = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

" s4 S9 T1 M2 G- W" Z' vw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
( u/ U# w4 h" n+ \3 pb = torch.tensor(0.,requires_grad=True)

- m3 i% k3 ?$ ]2 x' F0 n, Uepochs = 100
0 z/ v- B2 l, r' i
losses = []
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
  g& |' l( R3 x# [6 ~  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
( u. k3 u! h1 A    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果

+ ~+ Z! D* M' b# K) vOutput： 27.26387596130371  0.4974517822265625
5 \, D  E3 H* a5 w----------------------------------------------
$ j: v+ n8 }4 n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。
4 N; X% Z3 c; S( @& d$ y( y高手们帮看看是神马原因？

老福

' m; W: }  }) v3 K$ Z
( X4 p5 M: S. w: i: [5 d" n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。
# H9 ?7 E9 j3 k; u2 A: |-------
& B8 O' i3 c1 v) l. |/ y* q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？
1 b0 M0 y/ F5 u-------
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

4 n; ^3 {' z( P. ~8 B

雷达 发表于 2023-2-14 21:52
" _; L( V* k7 r$ [1 i  k0 Y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 ...

5 Q9 |! s3 A- N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。
3 ?; U5 h) W3 \* W4 s7 S% T+ _
3 N5 r; p' q1 y: b: _; I9 {8 ], c或者把b但的起点改为1试试。

雷达

( a3 {/ a0 L: T: A/ m% h

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。

' K: ]7 |/ y& c" ?: n& ?$ D/ Q或者把b但的起点改为1试试。 ...

. l- g2 v9 T. @0 K" X. M
2 U' v3 U. G, s$ h7 v) A你是对的。
& n) l' _7 p3 e5 Z0 i去掉了随机部分
: }9 u* {  a. B6 Z4 s" U#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
3 r  J, f8 j* q: `" f5 k* i) U0 ow , b
7 x6 l9 k7 f8 w0 k7 v27.002620697021484 14.826167106628418
8 J8 j* C2 |( a$ ~
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。