继续请教问题:关于 Pytorch 的 Autograd

雷达

/ E0 d! p' E* n- Z. n5 t
2 Z6 D# Z6 j7 P0 ^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
% R! Q. B* f; w/ Z- aimport numpy as np
import matplotlib.pyplot as plt
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
# ^/ p4 b5 D" c" ]' v+ N
% o  e% j' W+ t8 ow = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

4 o9 J+ A9 n4 tepochs = 100
8 {+ o# j$ v5 e, R/ W
$ q3 _; [* n- U/ j+ g1 ^losses = []
5 t9 s7 c/ e- B7 }2 C) p; V. \% P; afor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
! S) N3 G* U& R8 Y5 y
  loss = torch.square(y_pred - y).mean()   #计算 loss
3 @6 v8 v( @) f& D) @8 X: S  losses.append(loss)
  
( ?; N+ H" X+ P+ c! v/ G& S* U  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
6 ~9 \- j9 y' x& p4 I2 F! N    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
6 {# W$ p3 i$ z: O% b& O& S/ I  b.grad.zero_()

print(w.item(),b.item()) #结果
' G* t1 I+ \7 N3 _
Output： 27.26387596130371  0.4974517822265625
# V) }# H/ v, u4 I8 Q* `----------------------------------------------
2 Y- f5 s; `! i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。
, ^! e/ Y: M( F$ H( ]. I; [8 |. o高手们帮看看是神马原因？

老福

4 l; E# P5 o* j
1 ^4 G9 N$ z# f' i) r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？
-------
9 k6 @4 k/ d+ Z& [: N1 w4 q; {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。
( t+ @, t! ^  a1 `-------
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
& |" y& w0 x8 [$ f; @( k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， ...

谢谢，算法应该没问题，就是最简单的线性回归。
; `4 V4 V3 N% ^# X, a* B* J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

. k* f- B5 N2 ?0 _

雷达 发表于 2023-2-14 21:52
7 R4 L1 ^) `. n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 ...

, r& `- O, q0 P5 L3 B- r
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。
4 t8 L$ y1 h! [9 m& p
  i( H. f/ }8 i9 u- O& F# Q0 k或者把b但的起点改为1试试。

雷达

5 Q% h# {) R8 e4 H1 B0 t0 Z

老福 发表于 2023-2-14 22:00
2 v% S; S, J4 a$ P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。
$ s, h) P& k! c" O
2 I  q9 q3 E8 U# f2 x; r3 m或者把b但的起点改为1试试。 ...

! c2 V: o8 k$ p/ [- I2 `你是对的。
8 A' ^, h$ j9 o+ e6 [& q去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
( W: `( W$ j6 \+ I- ]7 ~7 w9 b
循环次数加成10倍，就看到 b 收敛了
' g% e6 ^' y' E! P! w5 y, jw , b
27.002620697021484 14.826167106628418
2 l3 M& }! O4 ~: ]
9 U, w0 g0 L# q5 O7 j1 J/ N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。