继续请教问题:关于 Pytorch 的 Autograd

雷达

6 |- K( q0 X1 M! }7 H/ C$ v) G4 |为预防老年痴呆，时不时学点新东东玩一玩。
8 r1 G: |* f) Y1 ^4 L1 m' {5 s$ ZPytorch 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 d# ^& _  t* X+ gimport random

6 X7 p2 U* n- U2 \: n' \( m, T1 Nx = torch.tensor(np.arange(1,100,1))
2 j2 t) ^4 U% c/ U" \( N( M) Fy = (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
b = torch.tensor(0.,requires_grad=True)

; D+ S+ f* X1 A+ F/ Sepochs = 100
1 T# \# n% I' r# l% P
) }  K: \5 p, v5 l, A- |$ p9 }losses = []
* F' h  H9 B$ J1 W; j( ~! }for i in range(epochs):
! U7 g6 h% b" e  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
$ r4 K8 \( t+ T5 ^8 N8 [, m( B! C3 p
8 `% F) d" C6 R0 K+ _  loss = torch.square(y_pred - y).mean()   #计算 loss
, }8 M4 s$ K+ \' C  g+ X  losses.append(loss)
- e, {& @. ^- f2 P$ @  G3 N  
  loss.backward() # autograd
  with torch.no_grad():
9 q# e; u+ ~9 ]  ^  G    w  -= w.grad*0.0001   # 回归 w
2 ]* `- U; j. U2 z) G    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果

0 A' \; r& h: N$ w) `5 O. u, dOutput： 27.26387596130371  0.4974517822265625
! Y% L& x& D) }3 f----------------------------------------------
  M1 ~* t# t) J$ t+ D5 }  K3 p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？
* n( e9 X. [4 b0 K  i

老福

3 i  O6 A: H- b1 i5 L3 G4 X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，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。
/ }+ N! }* _5 R5 W' R4 R-------
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？
-------
- O* M# w, g/ G- q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。
4 O; w; M% T) h4 S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 ...

- l$ }3 D5 Q/ h3 u6 ~4 k% 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

$ g! X' M/ s' v' ~0 Z# b

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。

9 W& e& d9 ~. i9 a或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
# }- v6 W+ D5 L8 J- D  L2 X#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
# J( f# Y3 M  d5 L- |
" [8 z2 B  P# T, H循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 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。