继续请教问题:关于 Pytorch 的 Autograd

雷达

; p& F) e& Z' z3 V为预防老年痴呆，时不时学点新东东玩一玩。
% p# x" `1 T4 c7 a; X8 }Pytorch 下面的代码做最简单的一元线性回归：
# s+ W' i8 w2 Q# T0 u----------------------------------------------
7 _! ?2 H  [* e" G* L6 J1 D3 [import torch
. K3 t) p" o: w4 Y& O& y- A' Aimport numpy as np
import matplotlib.pyplot as plt
import random

x = torch.tensor(np.arange(1,100,1))
4 `# a7 L: h5 K2 G$ a8 Sy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
4 Y4 @- W. i8 f
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
6 w8 g( X6 @, `( @b = torch.tensor(0.,requires_grad=True)

) i1 m0 c" \3 E  D2 _! H* s0 Lepochs = 100

9 W. }4 V8 V/ llosses = []
. L% X4 C8 |3 _/ {  ~+ x! jfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
2 x& }0 X! W7 ]9 @; I# @  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
5 V9 G& _  H+ [4 e/ Y7 K0 O8 _  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
* b7 I" O( u: c* {4 ?) s    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果

' P* ~3 W- u+ a/ V6 l! OOutput： 27.26387596130371  0.4974517822265625
+ N( |: h3 i) J----------------------------------------------
0 [" G$ Z! j' u  A2 A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？
4 Q1 a; Z: ^! n3 M* `* }4 X

老福

! i6 Y& r& ?, Z9 T9 R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。
-------
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
* X' F5 {) e6 e! K7 O$ |/ `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  W6 Z  T1 [! c-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
# X# L- ^" K- C& K$ n  m+ U9 g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。
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 ...

' w( Z# k$ y* a6 |4 n0 M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。
' q6 \* V: U0 m' U; z  t7 q* K' b
9 d! O4 ^1 l6 S% d! M或者把b但的起点改为1试试。

雷达

( i  |- ~( a9 h

老福 发表于 2023-2-14 22:00
! m5 q: h. \8 x& b# E; ~* [$ J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 q! L/ ?5 X1 |3 [8 E7 N或者把b但的起点改为1试试。 ...

& e. h+ e3 M; s0 [1 f
, a9 ]& |) A, e+ l! J你是对的。
& g+ d! |" Y7 a0 e) R去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
# R' x. I5 d& ]. d5 g, F% _y = (x*27+15).reshape(-1)
2 l( f5 [3 t! p& I8 }. K
循环次数加成10倍，就看到 b 收敛了
7 i1 q' j- H0 z7 m7 c- N% ]w , b
27.002620697021484 14.826167106628418
7 y: z* k: `  M2 ?5 U! i6 d
* n( |6 C" \6 e3 ?0 @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。