继续请教问题:关于 Pytorch 的 Autograd

雷达

' j& L  {( N+ e% l. z7 F
3 M, H' |, q3 P- v$ ?) Q8 j/ r为预防老年痴呆，时不时学点新东东玩一玩。
- H6 o  j5 _# V3 APytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
, c% U- G. \5 g9 Nimport numpy as np
+ j$ Y9 R  F0 o9 i# w- q: Jimport matplotlib.pyplot as plt
/ ~  ^" a9 J) E6 ^import random

2 P# d; q: Y) o' j* c: Q' ox = 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

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
; K8 f5 }/ x4 R; |; |8 }+ L
epochs = 100
) I. u3 q% a/ ]' A  y7 X2 [
losses = []
* o1 g5 s" V7 a" i6 s- Z/ K2 xfor i in range(epochs):
  D0 f! c% z5 Z( X: T0 q! E  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

/ i/ \" M* ~4 {9 u/ N, V6 c# A2 h8 q  loss = torch.square(y_pred - y).mean()   #计算 loss
) q+ T3 c" S1 h1 ?  losses.append(loss)
2 N% j& w% J5 c: l& b& V$ z  
  loss.backward() # autograd
8 {: _0 U- l9 ^, Q! {1 l  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
) U; V1 l$ a; M8 [7 U0 e. w    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
' q8 `5 Z5 l% d! ]3 l! r' w% I* ]  b.grad.zero_()
( X  |/ J5 ~+ `/ i+ t
print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
5 V, r. z8 a9 K% c. D# }----------------------------------------------
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？
  Y# a6 X8 v  V; t

老福

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。
  @! P& ]! e5 J! z& a! A% {-------
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？
-------
不好意思， ...

+ V) R2 H: F* @; H谢谢，算法应该没问题，就是最简单的线性回归。
) z# P, I) p( t" U, R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

% {- p" j9 |" |" q% M" ?; R% L

雷达 发表于 2023-2-14 21:52
3 C( @# x. [0 J& ], `- v  Y谢谢，算法应该没问题，就是最简单的线性回归。
9 S: ?$ h8 X5 H  a% U0 E/ C7 r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 ...

% v# F+ P; T( f4 o* ?
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 |! w% H+ R, }4 L: j
! h8 g( S* A  r7 i5 V  P或者把b但的起点改为1试试。

雷达

/ G" ~# N* [3 c/ y" H& Q

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。

! J* w. D2 m& H. ^1 E3 Z, t7 T1 W或者把b但的起点改为1试试。 ...

- B8 \% b  @# L: T' m
2 z) E4 O) l  \. e1 z& O, i你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
) c* A! M, P' n( B/ Hy = (x*27+15).reshape(-1)
/ ~; O9 l# c  o7 y' b2 \. b5 `+ C5 I
循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
+ r. u$ {+ I2 b  N! I7 T. S
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。