继续请教问题:关于 Pytorch 的 Autograd

雷达

; B+ C) \! a7 Y" ^" N
为预防老年痴呆，时不时学点新东东玩一玩。
$ d( g5 j% F3 u1 tPytorch 下面的代码做最简单的一元线性回归：
/ V4 ~' m4 u) i4 k----------------------------------------------
import torch
import numpy as np
4 C& \, P. f! F/ j) Kimport matplotlib.pyplot as plt
) X" _( C- G) ~) l: c  Mimport random
5 ?' A  v- U, R$ F, H1 J
* o9 c( }' J/ a' }  u0 bx = 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
( U' f& _* z# I, f! z" }3 d
5 O! e: Q# W, @w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
- x4 V& K5 H4 s* y! i$ Bb = torch.tensor(0.,requires_grad=True)

epochs = 100
$ n$ A0 w3 B2 K- E9 \1 Q
losses = []
for i in range(epochs):
/ Y$ o% C- g2 |" O4 J  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

! o5 J. t* }9 I, t" l: D6 n  loss = torch.square(y_pred - y).mean()   #计算 loss
! o4 f' ]; @' T% V( ]* z: Q  losses.append(loss)
  
  G- @1 Y/ `' }/ R( J$ Z* g3 \5 L2 H2 Y  loss.backward() # autograd
2 D' f& t8 }+ A3 Q) s* D  with torch.no_grad():
* u/ n' y1 ?/ i1 z" x    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
- P+ ]6 u, D; ]; s4 G9 E  b.grad.zero_()

3 k, A/ S* P6 g- d/ q6 v% ^6 Z2 uprint(w.item(),b.item()) #结果
* G1 D/ A$ ~8 e# M' y6 ]' o
) s4 F2 r& O# p) mOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
1 K* Z* c/ K; J5 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？
( m3 a3 a$ E7 e0 h

老福

% Q, a0 t( x$ ]8 ?: N6 a9 F: p
+ D  H1 J) x( ]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。
7 f/ J" T, @! M: C-------
* q% [" J- H' M2 t* m; m2 }5 i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？
( t0 v4 K# y( B9 t+ C3 T7 `-------
不好意思， ...

1 f# ~& f. P  b) r# ?5 f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

, m) E$ G+ F% C4 R& ?

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。
! l8 b" ^% W( }, U6 \  V; 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 ...

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。

/ L0 Q& ?5 |; c! b, [或者把b但的起点改为1试试。

雷达

9 J. {% ]6 H8 @% u! [" m

老福 发表于 2023-2-14 22:00
9 }. s  U) n' Z8 @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。
) M* S! P: @1 d, q8 P
或者把b但的起点改为1试试。 ...

  w- f1 t4 K" r% `  i你是对的。
: K- w2 o- Z* ]  Z6 o9 b去掉了随机部分
& O0 @; b% x+ E& L: F  s8 r! |#y = (x*27+15+random.randint(-2,3)).reshape(-1)
  P1 ?1 X. y  l) |y = (x*27+15).reshape(-1)

6 b' F8 z& a0 I  G' X循环次数加成10倍，就看到 b 收敛了
w , b
; v4 z$ a5 {5 D! w0 F27.002620697021484 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。