继续请教问题:关于 Pytorch 的 Autograd

雷达

  R6 d0 R. f' y  k: r* K" H8 {. t; Q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：
- k0 B7 w$ v/ Z* ~$ ~# s( G----------------------------------------------
import torch
import numpy as np
) a8 o) l: c9 T/ F1 t, limport 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
# ^6 C& p6 ?5 k7 V
& b9 E! k7 J9 e/ Y: _" Lw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
6 u7 e5 C0 e# Y0 C
- H' R7 l1 T! a0 b* A8 A4 Uepochs = 100

losses = []
for i in range(epochs):
: b9 l+ f1 r* p. D8 X  y_pred = (x*w+b)    # 预测
! U& o+ F; z; [6 y5 Q  y_pred.reshape(-1)

2 Y& V# N# R3 U  w% _2 y7 x  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
( @, K0 |( |# N' o2 o# N  
+ d& q: R9 k; ?/ a- M9 `, n  loss.backward() # autograd
  with torch.no_grad():
/ L$ V, ~/ {! |) k& B  F    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果
* a9 B! v5 w& l) A. E
Output： 27.26387596130371  0.4974517822265625
8 ~; y; G8 M$ E2 v, ~7 D: }----------------------------------------------
7 @3 @8 p0 \# Q) a" N+ 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。
' X4 @" l" _4 |$ _2 o7 l高手们帮看看是神马原因？

老福

( m! E$ u* [2 u* L: c! D/ ^/ y
/ K  E  L6 a6 G$ T( x0 X% J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？
% E$ `. z" x* ]4 f$ c% ?5 |/ b-------
) P7 G1 J4 e- |  C9 x- v$ o5 n6 f$ P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？
, j: b- ?. t0 ~-------
, y; v5 B- E6 O/ b' V不好意思， ...

+ r& {0 N7 u; i  r谢谢，算法应该没问题，就是最简单的线性回归。
0 V* S8 l' _; c3 h, `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
  B# `' k& I% W9 ^4 S- f9 f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 ...

, h( D9 t( X+ Z$ W5 C7 K) T
' n( _3 M, T8 d+ m  n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。

) J7 z* {+ c' A: F/ J, h: l7 M. z或者把b但的起点改为1试试。

雷达

' X7 z$ l* _3 d1 V# Y; k  f

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。
* R) i" V' i/ d9 G* w4 j  g, W
: q% R# {1 P& F5 S& X# A+ j$ J或者把b但的起点改为1试试。 ...

% y  {1 e7 A  h& N; A
# N6 V7 ]3 C9 i" c- I; I; f你是对的。
, U% h8 c3 A. M5 h" I# U& y6 y去掉了随机部分
, o; g- k" ^# K/ O#y = (x*27+15+random.randint(-2,3)).reshape(-1)
% A4 b1 ~) A5 p  m( u, Y  l. W0 ty = (x*27+15).reshape(-1)
5 b, P! R( u- f% ?2 [
循环次数加成10倍，就看到 b 收敛了
! u7 q5 j( u; ]* F$ n8 |: K4 |; rw , b
) D& J! W" g+ J( U# s27.002620697021484 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。