继续请教问题:关于 Pytorch 的 Autograd

雷达

7 R* Y9 h1 R3 }0 z+ c; K7 }4 X
; ]  Z5 B% U) t+ @为预防老年痴呆，时不时学点新东东玩一玩。
3 D5 O8 i2 I. K) gPytorch 下面的代码做最简单的一元线性回归：
% D" i, u2 s0 j( h----------------------------------------------
import torch
' d; ~; _4 T) y6 H. l+ f! himport numpy as np
import matplotlib.pyplot as plt
import random
6 `: N" D/ j9 a) X+ E0 ^- ~0 f
x = 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
% C7 @3 t" t/ |, |+ y0 o
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
8 f7 S# \6 ~2 `0 n
epochs = 100

; D; C( O: x! x7 Y$ Flosses = []
for i in range(epochs):
' M) S% @/ V  r- `) s  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
# g% H9 A& n! W
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
) F$ D, C& Z, ^# Z! ]  loss.backward() # autograd
1 i# u% F) T6 D5 p- i  with torch.no_grad():
' S( w* B* }: }8 q$ o2 g9 c    w  -= w.grad*0.0001   # 回归 w
8 ^% J. d9 `) V' c! A- ~    b  -= b.grad*0.0001    # 回归 b
  _! i* f1 l6 U  w.grad.zero_()  
8 E/ v: V" b/ \7 a  b.grad.zero_()

: v8 v( ?# j# v1 E. Cprint(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
1 b0 S/ i+ d, r. o: Y8 D  T----------------------------------------------
5 c9 r! c4 u1 E& K$ ^+ _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？

老福

4 G5 r' b4 k7 y6 u$ s: E
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？
* _6 {+ U: c7 O2 j' n* |# J' O-------
/ {- `, Z' o8 w) u& V2 t1 `, L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。
3 p! }% _6 R- l0 M-------
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？
, ^4 `* N; C- O) ?+ y1 w3 ]9 F  |-------
- I' ?. G1 c# J' x. F( x3 }* l不好意思， ...

6 Z$ D& e2 t+ h* W( \' }) [# |谢谢，算法应该没问题，就是最简单的线性回归。
2 x) H* X7 r$ v6 h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

! G$ V. Q/ v6 z2 X1 X! W% B  h' f

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。
3 [+ l/ \9 ?1 B; {3 Z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 ...

6 ]. E( P7 h: E% C/ O6 U# w' S
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 P% I( _8 `; {& i; ]9 A
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
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。 ...

0 P/ W5 R6 d# @+ ^" W+ e' I+ e你是对的。
去掉了随机部分
, x+ u- u5 W( ?3 W#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
, A, z6 q' M; J: M& v. Bw , b
27.002620697021484 14.826167106628418
& h0 S0 n4 J1 p
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。