继续请教问题:关于 Pytorch 的 Autograd

雷达

) D# l: s: _/ G- Y: F' @
为预防老年痴呆，时不时学点新东东玩一玩。
- W/ ~4 ^2 S8 w: t) rPytorch 下面的代码做最简单的一元线性回归：
$ N: _  Q6 f4 K9 S) g----------------------------------------------
0 {6 C8 b. e. E3 r/ kimport torch
7 ^4 {  t8 j: ]* D& W) Himport numpy as np
1 A  d7 ?/ f( s5 Y* g- nimport matplotlib.pyplot as plt
import random

x = torch.tensor(np.arange(1,100,1))
0 L! j5 p; ^4 H( h$ x, `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)
' X; S" u9 p9 m
; J" p) {  Q1 N1 N; oepochs = 100

) ~! Z+ b* v, W4 blosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
1 S2 e3 d) b+ p1 J, t+ a# z8 j. c6 V9 g  y_pred.reshape(-1)

9 R! Q4 @; D' M6 ~+ v( w  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
# D6 I  \+ X! J  Q8 u8 |$ S! o" }$ v  loss.backward() # autograd
7 S" a6 }+ R$ {/ t" W  with torch.no_grad():
% F- F6 l0 E% ~) K* F    w  -= w.grad*0.0001   # 回归 w
2 l& B, O7 l( _8 o    b  -= b.grad*0.0001    # 回归 b
  J4 A$ f" I2 Z& P  w.grad.zero_()  
  b.grad.zero_()

8 }* a  |5 e0 y8 z* g( pprint(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
/ p! I: G- [* U& {& a) r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。
) x; N1 N3 T9 b. p3 T5 B高手们帮看看是神马原因？
, s5 g5 K' }5 g

老福

- I2 E& H: d9 c; o: e4 h
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？
-------
* A) ]4 w2 x8 y; h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。
! z0 d3 X- W: s# J7 K4 E-------
* u0 ?1 Z- \% L8 j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， ...

- j) Z; T, X% {+ b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
4 t: k8 ]5 f, H# N! I8 \, ?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 ...

4 K1 J( ~: r+ W8 k' `
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。

$ P+ k# R& M: @# m5 p" [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。

或者把b但的起点改为1试试。 ...

3 X: H( j* N3 p+ e2 f) p( b
你是对的。
去掉了随机部分
- p1 I% W& r% g# \! @- Q#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

, B6 P: N1 r7 t5 d& R! i& J  z1 [循环次数加成10倍，就看到 b 收敛了
# G, a* u( p% K0 [/ [, @w , b
8 C8 L9 \2 K, x( w+ m6 o' B8 d, e27.002620697021484 14.826167106628418

  O7 Y5 Y, I  P7 {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。