继续请教问题:关于 Pytorch 的 Autograd

雷达

9 z4 q& \+ `$ `9 q  [$ C
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：
----------------------------------------------
" X, G: q5 d; O! X6 p2 ~3 B8 _import torch
import numpy as np
& t5 x( H' b# k# A& X1 s. A" Himport matplotlib.pyplot as plt
. ]+ @% s% L4 I0 j4 L5 z9 D& oimport random

x = torch.tensor(np.arange(1,100,1))
9 b; |9 O3 o  \" ]6 z% z9 X! my = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
3 V9 K9 }8 `0 e' Q+ {
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
( h# T$ N1 A, r' s$ ?- g4 \
) D( v+ Z& R+ }epochs = 100
9 b2 @2 r; X4 ^* C  L
losses = []
for i in range(epochs):
4 a$ C3 {0 [+ P) w: Z  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
6 }" {+ P% C& ~; _) r; z
* X/ H2 w. f3 R: o2 `' q0 }- a  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
/ Z' }4 F' M% L+ X) [9 {7 |  
  loss.backward() # autograd
7 y# j7 l$ z! `5 S, W  with torch.no_grad():
3 d3 I# E9 s# \% P$ z    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
6 X( T. z/ K, R) f  w.grad.zero_()  
2 B9 N7 F* s- [, F2 k2 w/ B2 X  b.grad.zero_()
$ ]2 ]8 `# c6 k) z: c
+ r/ G; n6 X8 r/ sprint(w.item(),b.item()) #结果
/ |, Q. i1 h) T6 B4 G7 z! b1 V
  G+ `; J5 M. u4 s  _2 m; ^Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
5 Q+ x1 s$ G5 q, R# N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？
' _' K, q' y% q, z8 H  R

老福

% \0 @& u! h4 f4 Y; ^" a1 s
: a1 P# |7 J" b$ A- U0 S6 H6 ?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？
-------
* V, }* S6 x* i0 S) v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。
-------
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？
-------
0 m# ]! b' j+ H& r' |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。
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。

或者把b但的起点改为1试试。

雷达

老福 发表于 2023-2-14 22:00
6 t/ I# Z! i! Y  T  @4 Q/ ~  a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。
( H7 ?* o0 j. d5 l/ p
8 f7 t5 T- e& K4 |或者把b但的起点改为1试试。 ...

$ {. z% N! q1 t- p$ t; G
5 T- I9 {' s7 e. T4 m你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
! v0 l7 Z3 }8 d: B; \& Q  Iy = (x*27+15).reshape(-1)

: t6 K! B# V7 E4 J循环次数加成10倍，就看到 b 收敛了
  K7 ]' m3 _) W, Gw , b
) j! ?0 r1 Y. {" Y* L27.002620697021484 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。