继续请教问题:关于 Pytorch 的 Autograd

雷达

% p. ^1 y( q5 e' i' S: \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：
% `+ E5 S( C' o----------------------------------------------
import torch
import numpy as np
8 G$ p+ y2 @$ p  d) L' qimport matplotlib.pyplot as plt
3 l  X5 G* }; E/ {$ ?+ Q; v2 `import random

5 E4 W' C7 g/ W+ W0 ~1 V8 |x = torch.tensor(np.arange(1,100,1))
2 U- F# _& l  j( B: q9 |$ A5 E; C& s) Iy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
! i. d" z/ D% I5 b5 i/ u) ]
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
. t: u7 V, T+ `& _* Ob = torch.tensor(0.,requires_grad=True)
! E4 r) f2 \6 ]3 ]4 u4 S/ I8 S
epochs = 100
. g/ {& m: ?1 f" w" {1 a
losses = []
1 |: C) i! s" }for i in range(epochs):
$ k/ p/ n7 |. q( Y$ k  y_pred = (x*w+b)    # 预测
+ G  X( g3 o- Y  y_pred.reshape(-1)

' _" i: P! u: t, C  x. D  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
2 u0 d5 t! N( M' X4 ^# S  
  loss.backward() # autograd
  with torch.no_grad():
6 r: e4 [- R% b7 y    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
4 e; _; v4 I1 U9 B- i% i  w.grad.zero_()  
  b.grad.zero_()

# j% R" w; l4 A' R6 ?, \# W" }print(w.item(),b.item()) #结果

' z) s' K6 B$ g( ]Output： 27.26387596130371  0.4974517822265625
3 l/ R  X% Y7 [2 e7 O) y----------------------------------------------
/ l1 A' {1 s' R# k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？
: I0 V  J) I% w# ]6 P# Q

老福

( s4 t/ J4 M# T8 z+ f" p
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。
) X' I) g# K9 j( k& W  S-------
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
2 }; ]& m1 b. ?' H7 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？
5 c. f' P; ~6 d7 K* f-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
8 L+ N5 w! p8 x5 e2 M8 @: F; 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

; M" N) M4 F. Z/ t% p

雷达 发表于 2023-2-14 21:52
7 l8 k/ ?' U1 U% R谢谢，算法应该没问题，就是最简单的线性回归。
" F" \0 k8 E9 E0 q3 ]5 V6 e, N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 ...

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

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。
1 ^6 @" Y: b" 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
/ Z8 x' A2 o9 I) B' M#y = (x*27+15+random.randint(-2,3)).reshape(-1)
! M  A) Q$ r+ `+ J. H, iy = (x*27+15).reshape(-1)
: b6 `' u9 q$ ?7 k. f
循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418

  v/ F- E% ~' [# Z+ g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。