继续请教问题:关于 Pytorch 的 Autograd

雷达

" B4 q- X! F4 n4 X
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 u0 e) c! A/ O' L4 j----------------------------------------------
" O: C" w) k; ]  J  U, c& ?1 u1 _! Pimport torch
import numpy as np
. z6 E  {" d+ v' u5 F! q& O) iimport matplotlib.pyplot as plt
3 i4 L0 i- S% {3 [import random
  I) i4 S* I& B4 N8 r# V
( b- }1 Y( P- p) Ax = 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 N2 e( A0 R8 w) t( l; {
6 ]% e- \- j* Y" tw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
7 l) M3 l3 Q# R, Z* Kb = torch.tensor(0.,requires_grad=True)

  L! q; ^& Y: f) x! O% X3 sepochs = 100
) g$ k- t- j& K) w% W0 F% x. J
% h) T$ ~. o+ Olosses = []
! h8 l+ B% c: C2 q' |; Q5 `for i in range(epochs):
8 w4 n( e, }3 n4 I  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
7 A7 ^- n6 V# `9 L+ y, ]  
. R+ c* S' ?; H4 |& R* X! u! V  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
* f) q  O: m3 Z8 B% P    b  -= b.grad*0.0001    # 回归 b
! q4 Q8 u. I3 z% i$ X/ Y  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果

4 H" Q9 h) |5 F+ l" k4 LOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
- J& N! n0 {/ z) d. b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。
+ G1 Q* z0 E- u$ u2 w6 I9 N  s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？
  j- U, s5 b3 r2 ?- L3 v-------
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。
-------
8 @8 j9 f/ {# x( P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？
& Q. N/ o* g7 v  i9 r-------
不好意思， ...

" O& G, _" o1 W. @/ Z谢谢，算法应该没问题，就是最简单的线性回归。
- p2 @5 P% t7 [9 q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
5 w) H% O9 S* V' i3 c0 e! g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 ...

# W3 \+ Y$ o' w+ t
6 c% J6 S4 \; P, ]5 W' k) 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。

' |$ Q+ ^* e4 G: k: H# m或者把b但的起点改为1试试。

雷达

& k9 L) ^! X, ^* b# m2 j- a

老福 发表于 2023-2-14 22:00
( U$ e* m5 z+ k* ~3 c& 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。

或者把b但的起点改为1试试。 ...

9 V8 r( c& J4 f1 q你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
5 a; c' L6 ?3 u- E& `+ \5 R$ Cy = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
5 _0 X4 v) D) {, X  |" [/ lw , b
7 l% X3 Y9 _; b( t* }2 L27.002620697021484 14.826167106628418

- E/ P7 i2 u4 R9 F6 ]1 H6 T$ ^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。