继续请教问题:关于 Pytorch 的 Autograd

雷达

: Q; v4 Q$ d/ S! H" }( R3 z. m
( a2 ?' b. }' \; N; z$ _  |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" N* M9 ~* _( E----------------------------------------------
  y" h) z' c/ i; o  ?import torch
import numpy as np
import matplotlib.pyplot as plt
+ j, x7 A1 M& h- b4 [import random
$ ?. a7 ~$ A; t. a0 n$ g
* V& n1 C2 ?5 s0 b2 u- V% [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

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
) @8 l1 w, c8 i. _. T$ e
: g/ M( ]5 b1 H/ H! X. Lepochs = 100

losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
4 w! ^+ e9 W' G9 h' f  
: X: J4 n% W5 E  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
2 }( z+ [0 [  f; F- {5 q  Q    b  -= b.grad*0.0001    # 回归 b
1 q% S0 D2 d# S( a! u  w.grad.zero_()  
  b.grad.zero_()
5 x  a# w3 [) X6 [7 F/ b
print(w.item(),b.item()) #结果
& T" s+ V8 |& ^+ K0 V1 |- |/ B6 |
; e* s1 l  `& q/ x* z$ m" _Output： 27.26387596130371  0.4974517822265625
& O% T$ _0 L6 d9 c8 U----------------------------------------------
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？
- n! s7 Q( t6 r' B, {, r2 f) U: F

老福

9 S: H; Q- h  a0 _3 \# z  h/ J( W
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。
# t  H6 t! r, U; q3 |-------
- y% t' y3 s, e. @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
) D& F& f* X& |% |3 C1 q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" |% F+ r" F; B-------
9 A1 `0 V, k8 A" m* S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

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。
6 h, k/ t% M0 G+ O8 |! a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 ...

2 x; S! D9 ~1 }' H0 }: o& R" _9 F# [
6 ]9 c: g6 K+ X# V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。
- e- y# R4 e1 ]# r
或者把b但的起点改为1试试。

雷达

* y. k  S8 }& d" |$ A2 |

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。
" k' r3 A1 f$ t: E+ n  x  {
+ _+ t% f  K& u0 |2 ^- F  |或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
: C0 o) q# C, d) l+ @9 C#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
, a6 Z# m! @' R1 R
循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
3 B1 i0 f$ X; k1 }
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。