继续请教问题:关于 Pytorch 的 Autograd

雷达

' G4 _4 H' {: B! b7 E# c' P! m
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：
----------------------------------------------
import torch
& v9 a5 D, N5 O( W6 g6 O2 Uimport numpy as np
+ I, S7 v7 m. R4 ?9 ^- T4 Q+ rimport matplotlib.pyplot as plt
import random

" L: q2 K3 z2 Kx = 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
# d/ e: o# d/ Q2 |5 e
9 ^, T% N+ Y& Q  uw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

: _1 i( t4 P% S7 E" c* Mepochs = 100
9 i" _: y" F; L# O" U
. e; Q5 N+ N1 b4 D2 u0 Dlosses = []
for i in range(epochs):
  k% t- e* w- a  ?  y_pred = (x*w+b)    # 预测
8 S4 Z6 G) Z$ g. Q  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
+ I5 \7 ^9 O2 u: \; M& T( [7 d  losses.append(loss)
  
+ i  i9 [0 ?' Z7 g" x  loss.backward() # autograd
  with torch.no_grad():
- n/ B* T9 A# [  z7 ~    w  -= w.grad*0.0001   # 回归 w
  J- L- z8 b# P% I    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
# q6 A$ S$ q7 {$ r  b.grad.zero_()
# ?0 N: U8 I5 Y6 N* F2 N
) O$ J( p% ~) dprint(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
% l7 o1 U/ L4 S! Y7 z5 d----------------------------------------------
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。
) `9 e. L2 p8 o5 ~高手们帮看看是神马原因？

老福

9 K5 |, y1 H* I
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。
-------
  n: j" B8 M8 K$ f6 `& ~$ j  c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
# D0 H8 }' n/ t9 e* _1 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？
-------
- a5 e7 V2 u& ~0 r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

! o# N0 K1 |  Z- G

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 ...

# |- z5 O% A  e. a7 Q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。
4 n; y3 \3 n& s( U2 ^9 ?
' [& ?9 e& y, L: O; p' ?( H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
" M  D( {+ y2 z6 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。

. F/ [9 y/ m! x* H8 Q7 ?或者把b但的起点改为1试试。 ...

5 ?9 x0 `" m+ j5 {7 {
你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
+ Y+ s; W9 }. t  Z; l- Hy = (x*27+15).reshape(-1)
- L( ]% d8 A2 w! `, T( d- Y; n
' z: G) J- d, a! G3 s& B3 z1 i循环次数加成10倍，就看到 b 收敛了
5 U( K- m9 T0 H8 `6 mw , b
27.002620697021484 14.826167106628418

7 T% t5 H- C% M  z/ e2 A. r, W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。