继续请教问题:关于 Pytorch 的 Autograd

雷达

8 @9 _  e5 E9 ^2 J3 c- g! Z( V7 C" r" P
, h: m$ I# ~( g' U/ V# i, B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：
3 a! T( c" S0 r----------------------------------------------
import torch
  K' L6 @2 F* ~# y& F2 n- S+ p6 N3 iimport numpy as np
import matplotlib.pyplot as plt
import random
7 y* A" @/ J- ^2 U3 u) @
/ F2 c3 w# \* a7 H+ P( w' Bx = torch.tensor(np.arange(1,100,1))
3 |* i, J' V8 S+ s: G9 zy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
1 e* l5 g! D9 H2 }
0 l1 m  C) X5 [* c! T6 d1 xw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

! @4 `% {1 M6 s9 i: Q  t% xepochs = 100

losses = []
3 J% H. \9 M0 }for i in range(epochs):
7 e1 r3 C+ ~$ B  ~7 c0 H  y_pred = (x*w+b)    # 预测
, u& a+ w8 m- Z# y7 `, M, l  y_pred.reshape(-1)

# v9 n! _7 H8 o' d; X  loss = torch.square(y_pred - y).mean()   #计算 loss
: {% D3 ^3 M1 m0 ?  losses.append(loss)
  
4 `' s2 s- n( Z. T5 G3 z/ W$ L! r  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
( E9 F8 e" q; h    b  -= b.grad*0.0001    # 回归 b
' r4 H$ }+ }# Q  w.grad.zero_()  
  b.grad.zero_()
/ c* R( K; y0 y0 U4 f8 q" f
print(w.item(),b.item()) #结果
2 s7 I1 T1 y7 {' v( R% g4 \
Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
2 ^; z1 A& Y* O0 ]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。
7 }6 z- b6 u+ c" G4 a$ V0 |- n高手们帮看看是神马原因？
/ ^- U4 `9 Q( M3 P

老福

& e8 ?. N! o/ O" Z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？
-------
9 v0 z; M4 A% Q2 N/ {) j% Q. ^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。
-------
5 d+ j! u: u* X; B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？
-------
不好意思， ...

0 y1 @/ Q2 b! U" k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

8 a6 v' _' S2 _7 @

雷达 发表于 2023-2-14 21:52
; _' B& a, C, B' T- q& ?谢谢，算法应该没问题，就是最简单的线性回归。
, V* I& |2 }* D" c' W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 ...

& {/ b, \4 m/ O" 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。
, O- o, [, O) z/ K/ `
% T: q. {0 P) j: I! v或者把b但的起点改为1试试。

雷达

; _( }% W( R; X0 R. l

老福 发表于 2023-2-14 22:00
! o8 v  s: a0 z" K1 B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。
7 ^0 ^( y0 n. [+ ?3 d
! u. d8 n+ K5 D: h$ v% O/ A或者把b但的起点改为1试试。 ...

9 F) G- d1 n. e# f& v* J. V
你是对的。
去掉了随机部分
0 d  S( U2 ~/ E. I#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

* V2 M: r% K; h8 e) ~5 f6 Q: G循环次数加成10倍，就看到 b 收敛了
0 D9 g! u4 H- a' ?* r$ g* kw , b
27.002620697021484 14.826167106628418

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。