继续请教问题:关于 Pytorch 的 Autograd

雷达

7 u# V# K0 s9 w4 ]1 Z& q
' ~$ z4 y$ ]! i9 \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：
; j! v. K" z' D5 Z5 v  r----------------------------------------------
7 a6 z9 j7 W1 x1 g- D- ]import torch
import numpy as np
import matplotlib.pyplot as plt
5 R: D! F4 `$ v1 |/ c1 m0 R# h$ Ximport random
; k$ Q) I* d( |' t) h8 n
8 V) s) `) }% \9 s) \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
$ \3 _$ _& _; L: R
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
8 ^) p0 X# l+ D, k0 Sb = torch.tensor(0.,requires_grad=True)
6 W- Q* r# u) s+ A2 W( M* H% t* F  J% F
epochs = 100

losses = []
3 |5 D6 I" @! t3 j2 ]0 V! b: Nfor i in range(epochs):
3 x# k( X# p. [& j) |: c# H  y_pred = (x*w+b)    # 预测
* d) D7 ?; y; ?% R5 q) I" `  y_pred.reshape(-1)

1 Z6 C; Q8 A" a9 S- K  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
$ U( A3 R& r' s/ T  e  
  loss.backward() # autograd
  with torch.no_grad():
* w+ h% g: F! }2 a- x9 o9 |; F( g+ Y    w  -= w.grad*0.0001   # 回归 w
; r/ N$ _+ ?' p9 k5 p. E    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

  T$ c- w" a3 L% k5 u7 J: Xprint(w.item(),b.item()) #结果
! H  A0 V; Q* Y7 Q
Output： 27.26387596130371  0.4974517822265625
% E) S4 j0 v0 Y) R----------------------------------------------
* J/ I, {6 }1 V8 `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。
( e6 \! T5 q1 d! R& p高手们帮看看是神马原因？

老福

8 E( z3 L7 M2 g: z, 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？
-------
; R( t# F: [+ e+ a) k; j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。
6 i+ }- z2 Y% t0 ?. e7 r-------
# ^$ C4 \/ ^6 \4 w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？
-------
- m$ b3 m9 b, V( r$ o4 n% S不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
: Z9 E6 k3 o& f% D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
( m$ [) Y9 z1 R1 |) O谢谢，算法应该没问题，就是最简单的线性回归。
) U# k  G2 O) E# k- l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 ...

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。
" i, [4 r5 T/ V$ |6 q
& i; n& e2 b5 _* \$ W4 I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
3 F4 Z$ N2 Z& n' }$ V: Z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。
# ], W6 n) i' s+ C& a2 i: V5 w& I
或者把b但的起点改为1试试。 ...

6 @5 A! f: s& I( L1 W你是对的。
去掉了随机部分
#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
# V2 ^1 p7 j. p$ Cw , b
27.002620697021484 14.826167106628418
" ]4 K7 R- Q' \
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。