继续请教问题:关于 Pytorch 的 Autograd

雷达

9 F) f7 c- ~; e7 y5 r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：
' S: O* Y! p- O" G% n# C0 [* @  Q- D----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
# z! ?2 y: ~9 S( x2 }import random

: _' q) s) ~% b2 ]* N; Bx = torch.tensor(np.arange(1,100,1))
* @/ u! @1 L. L- f' S4 |/ cy = (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
+ M& ^- w. [3 h5 C$ S) q) cb = torch.tensor(0.,requires_grad=True)

' R! U9 t9 m% [, f7 l% kepochs = 100

& a# @2 q5 {' o# ?2 H: B5 d$ rlosses = []
$ h7 p* {+ e# x, v9 L% Wfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

% j6 W- j5 i, c: f+ E; A  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
! X, M- s' d$ {  loss.backward() # autograd
  with torch.no_grad():
/ f; z) z: f( H    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
2 l0 U2 R% N8 @. ~  w.grad.zero_()  
1 K  F; Y: j: `0 J1 N! X! {  b.grad.zero_()

+ W/ R- i0 S9 z9 r/ eprint(w.item(),b.item()) #结果
* Z! W$ R! z6 v7 v$ @+ I
Output： 27.26387596130371  0.4974517822265625
. n9 N, x0 A& `8 w1 M7 O1 j: r----------------------------------------------
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。
+ |/ E9 l. G0 J. l高手们帮看看是神马原因？
, ^1 C& D7 G2 [( O

老福

% m, ]* ]% M( ^6 W1 {/ t% E! P! S/ W
% l9 U7 _' {: C" t: ]/ H) I, X9 G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？
* V0 j, o; O' a! d$ J; J-------
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。
-------
' z" l: {. f" w  @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？
8 S5 t$ C7 T5 G! `-------
' ^0 G, N( p6 J& O7 l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。
# H" c3 {0 N: F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。
1 D" v. m8 R- n  H/ {  A$ R# M
或者把b但的起点改为1试试。

雷达

6 C5 S) G2 K1 \! U( w; }0 A1 ~

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。

或者把b但的起点改为1试试。 ...

4 z# j+ x; n& ^& Z) O6 y% v
你是对的。
去掉了随机部分
, U8 J. o) k: O3 t" ~  W: N- N#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
% J/ f( G: X# P0 ~4 e0 `& b
循环次数加成10倍，就看到 b 收敛了
w , b
0 N6 s; I1 }) W$ W8 j- k& n27.002620697021484 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。