继续请教问题:关于 Pytorch 的 Autograd

雷达

  Z6 o5 t3 l- F( n; F
为预防老年痴呆，时不时学点新东东玩一玩。
- r0 s) m7 m' _+ M4 jPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
7 i$ M% W/ h( ^4 |( {import random

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
7 A/ ]! ?% r0 n7 Z
/ q& O- {7 _) ]/ R% F4 f/ |w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
+ \) ^7 Y4 c1 ?* `b = torch.tensor(0.,requires_grad=True)

4 z! I. {; N( l1 D$ w" Kepochs = 100
( ]% }; V- W; r- L/ y; K5 i6 ^, ^
losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

; h+ J9 y& @$ I  loss = torch.square(y_pred - y).mean()   #计算 loss
- B" E% U) a7 m: ?2 p: H/ d  losses.append(loss)
  
; y; |+ d1 }9 a0 s0 p  loss.backward() # autograd
  with torch.no_grad():
7 U6 Y9 I5 @( r* S, y, a5 z( T    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

0 c5 j2 T. R- j. h! O$ A$ {print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
1 `! A7 T3 n5 P) G) I% W----------------------------------------------
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* O3 @2 f& w2 E- [$ Q, C& [3 f* z高手们帮看看是神马原因？

老福

- N! Z: Q2 m3 N+ i$ R8 L
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？
, \/ Y. ^8 Z3 ?$ S; [-------
, D9 i6 `# }" M2 h4 _! C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？
-------
) B* _5 g# }! x8 \) ~2 _9 e不好意思， ...

1 ?, b, a( b: 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
谢谢，算法应该没问题，就是最简单的线性回归。
- K. s3 D- w0 o: ~& {* h1 B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 ...

: i( K; U2 O3 @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。

3 }- g% s. {9 P% x% w  O, U或者把b但的起点改为1试试。

雷达

  d) z" `# @( J# d) @8 w8 I

老福 发表于 2023-2-14 22:00
- ^# D+ t, P' S. I  L% @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 a: l" w+ d7 [- g! ~/ W或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
) M0 m2 E% _' W) w% Z+ o. N( N" M: H#y = (x*27+15+random.randint(-2,3)).reshape(-1)
) r$ g) o- n0 jy = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
8 \+ c- J4 ~; y* l27.002620697021484 14.826167106628418

$ V& U" b$ `8 N3 t" _0 R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。