继续请教问题:关于 Pytorch 的 Autograd

雷达

3 A$ {6 l2 A8 ~8 l' h3 v
: m) m' A: j# ]2 n5 j5 f4 O为预防老年痴呆，时不时学点新东东玩一玩。
' k/ `& y, C+ MPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
import random
( K( C. N! M" m; K6 `* O+ ?+ C
x = torch.tensor(np.arange(1,100,1))
- g$ C4 _2 P5 I7 ?6 {* Y  fy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
/ w& m6 _- p7 |6 Z
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
8 C1 E; U" @9 U4 m, J  _4 s/ R
epochs = 100
+ e7 H( E# K3 D$ `% D/ ]
losses = []
# \4 K& T5 v7 Xfor i in range(epochs):
( p# C9 l# }% G" q# _$ R( p' V  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
, m3 P3 ]4 R9 U& B* s' Q; I  losses.append(loss)
! T+ K' N4 N2 g7 }7 L3 c  
4 j  @. Z8 l$ b5 x, F$ ~  loss.backward() # autograd
  with torch.no_grad():
& r! k1 s" g3 B& D3 k: x: V5 P    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
) L2 B6 Y  N! i7 F  w.grad.zero_()  
  b.grad.zero_()
: j& l  |/ q# b) S# S2 O; H5 w
print(w.item(),b.item()) #结果
- M( `! H+ t: N0 \  U  [) R6 x8 G# Y
Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
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 E- S* k8 W8 R) z

老福

" f$ F8 [7 f2 H3 z, 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？
; ^. s+ l. M" [6 c-------
" K/ d3 R5 u- f# j# c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
' W4 ?3 M* r2 }* R  J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？
-------
* B+ u; H4 q) a  ~5 _$ o# Z( v/ y不好意思， ...

, x+ O& j6 i: F& `" ^1 n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

0 Q9 m* A9 B% A; `$ b

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。
5 i5 j5 r# j0 _$ X  U1 p  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。
* a4 b- O7 n4 o' u7 L$ y! e% N/ _0 u
) X& N$ x4 F" z或者把b但的起点改为1试试。

雷达

! ]+ m. \; s1 M7 [  `8 \' A

老福 发表于 2023-2-14 22:00
- n+ ]* K9 }2 _$ u) 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。

或者把b但的起点改为1试试。 ...

( C: W$ k: F! ~+ O; k& K
你是对的。
- Y/ E1 E& E* P8 \) `) P" n去掉了随机部分
) ^: J0 p$ u* L5 b/ t& q#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
+ ]# R# `) \1 r* Q7 c# C) m' j. a2 ^
循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
  v6 G3 X0 r% n7 ?' s; `: W
7 K, t2 P2 k1 c3 N. l& 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。