继续请教问题:关于 Pytorch 的 Autograd

雷达

7 `1 _6 c' @% e
7 C) n: w! {" n' K' u$ B8 g/ [2 s为预防老年痴呆，时不时学点新东东玩一玩。
$ t# W2 V4 K/ W6 Y$ {) S( _, F5 KPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
: I0 i6 \) ]5 [! vimport torch
import numpy as np
import matplotlib.pyplot as plt
: _/ [2 c, G" Y( W$ ]8 @7 H: D7 bimport random
5 b$ z0 k# f/ _* ^0 U* A( b; J
x = torch.tensor(np.arange(1,100,1))
: d7 ?! _/ @9 _" z1 P/ n+ J: o5 s; Qy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
4 A8 d/ C* D/ t% Y6 R
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
1 w. B' O# v. b/ {8 e" U4 |1 u3 t
epochs = 100

losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
/ T1 ?+ v8 P: m2 ^  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
, z1 O" N' H1 \( v7 t/ |' N0 B  b.grad.zero_()
# Y1 y" g- u  V% E
print(w.item(),b.item()) #结果
0 z$ o. N* C( t+ Z! F$ Z
2 {0 e" m; m2 J; N" q- d) z6 fOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
3 Q  M& L2 R1 D. h. W* m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。
) `: C# i- w6 m高手们帮看看是神马原因？
- x, [  F4 k, D' {3 O3 s  m$ _

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？
0 L: d! d  z* w" |6 d' w-------
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。
  w5 B6 q3 p% P4 M-------
0 \' x7 Z0 Z$ u; ?2 M( ?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
) A- O' f( x9 a: e( E, k& n; a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？
' f, J- r4 J6 `. F8 M-------
. J7 B/ O" y9 {3 R不好意思， ...

. Y: u, O3 |2 f& c3 T2 _谢谢，算法应该没问题，就是最简单的线性回归。
* x! l' W( d: y9 S! 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。
+ I! E. c0 d" v9 p- @- 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 ...

5 b" V, |3 N5 j7 D6 O4 i
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

, Z$ V3 D7 w. t& W

老福 发表于 2023-2-14 22:00
; S4 H# \7 }/ z' ]( w( v8 u# 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。

6 N; G* u; ?# O- U" A或者把b但的起点改为1试试。 ...

你是对的。
9 S# [+ |" r3 V5 M去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
, c7 P/ D7 c9 ^2 `7 W
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。