继续请教问题:关于 Pytorch 的 Autograd

雷达

3 q; [; d& h4 E: _  y+ w( h5 {$ _. {! A
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：
----------------------------------------------
import torch
: i# n) I; C9 {8 S: b6 n* rimport numpy as np
import matplotlib.pyplot as plt
9 ?) L+ J; t/ Aimport random

6 P( N, y5 U% O' W+ Rx = torch.tensor(np.arange(1,100,1))
, L/ g, S7 S& g+ g% Ny = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
- i# X7 G1 M7 J, U9 r; G$ q
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
$ k1 `; @7 w5 d. o% V
epochs = 100

losses = []
4 S" ?( w+ l) ofor i in range(epochs):
  y_pred = (x*w+b)    # 预测
4 l7 Z7 s$ r3 O; f" R! @  y_pred.reshape(-1)
0 f8 e6 ~  Z, N7 ?$ y$ Q% H
  loss = torch.square(y_pred - y).mean()   #计算 loss
, p) j  c9 o5 _4 O  losses.append(loss)
7 J6 R$ [+ d7 U3 {7 i  j  
  loss.backward() # autograd
  with torch.no_grad():
# a/ B. Z) r1 H: c' y7 l. y( b    w  -= w.grad*0.0001   # 回归 w
: @2 b' ~$ L6 W1 D    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
! k1 v  G4 t  }* K  b.grad.zero_()

% j4 o# H. d$ ]: q( |; ]0 J& Dprint(w.item(),b.item()) #结果
. S% h' J( q; L* k/ k% I5 z
8 U7 M5 ^. y' E$ d8 tOutput： 27.26387596130371  0.4974517822265625
# `# z% G3 w1 T  R6 b( E) m----------------------------------------------
; p) R" C! n$ i0 M; e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。
* p/ N9 i& R0 i高手们帮看看是神马原因？
! N" q) `8 ?; J, ^3 u' {& X1 P

老福

( D; }% t7 R) n( n. 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？
, U# X, L( p) L! }-------
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。
-------
" A; S- A- j8 W, G. D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
5 T* I$ o) c2 E( t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？
1 p+ t' M/ N) j* j3 W4 W; d-------
/ [8 R6 p4 w1 q2 R不好意思， ...

8 ]  |+ _. }  X' [" V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
! S1 ^6 B2 U% ^( K谢谢，算法应该没问题，就是最简单的线性回归。
- @" U. b+ K5 ]# J$ u0 `' i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 ...

# c* L+ W$ e4 q3 ^
4 C2 Q. }# M* _2 g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。

雷达

4 H! Q) e% B! @) }9 b* i

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。

+ P6 |% A, [: u/ D或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
) M$ m" p1 M( n' v* R6 p; m#y = (x*27+15+random.randint(-2,3)).reshape(-1)
2 v9 n5 i5 b  a# `' F; ky = (x*27+15).reshape(-1)
3 @" `5 U* K  @9 B
2 @6 u  U$ J' I9 a2 R循环次数加成10倍，就看到 b 收敛了
1 n9 U$ P( a( v/ r3 @w , b
27.002620697021484 14.826167106628418

! C1 J2 [. E7 C2 P/ b. i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。