继续请教问题:关于 Pytorch 的 Autograd

雷达

* B! l$ B  L  ~/ r7 J0 S
" s; P/ p# d( o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：
, B' M6 C- @$ W; B5 C- Q4 j----------------------------------------------
import torch
import numpy as np
  a7 T+ F' T8 himport matplotlib.pyplot as plt
4 Q* d# p- m/ gimport random
3 U  M6 w' L$ P" R9 a$ x
- m: \# T* i, d! c6 l, O! ^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

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
( B# X# l% E" S+ }2 E( m6 K. D- _) X
epochs = 100
- K. @% h- z+ P0 j% |" b/ e" u
losses = []
2 {5 J) u7 j% g  p7 `  P' |& ~for i in range(epochs):
  y_pred = (x*w+b)    # 预测
/ x6 D. p* ?* ^" G$ q; N7 h  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
* R$ ^: a* u0 V/ `/ L' B$ `% \) r" Z  
$ i; E0 O9 f  {+ W0 O% o3 C  loss.backward() # autograd
  with torch.no_grad():
4 C# V  n8 C7 u0 j% N! [3 g    w  -= w.grad*0.0001   # 回归 w
8 t. A* h% M6 d/ {    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

$ _8 B* `7 E2 Fprint(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
) v0 u/ z) f" r& k1 p. U( b8 l----------------------------------------------
* n6 [( o2 r8 [& z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。
$ v6 |' q) Q" h' R高手们帮看看是神马原因？

老福

4 y( A# K, h, \" J2 M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？
7 a8 Q. A+ U; g6 ^-------
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
3 l; {! T0 g/ M- t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， ...

) r7 b7 [# B, [8 b* V; W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
8 h. v) w; b2 `: x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 ...

2 g" M, n& ?, T
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 f3 T+ Q" G" R8 Y
6 T! X; r4 X( ~) v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
* Z' n* M" w+ }2 a' u* U  X3 V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。 ...

你是对的。
  ~7 ?# ~* n" F; _& Z# @0 Y4 ~去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
" N1 x% g! e6 F4 _  R/ Sy = (x*27+15).reshape(-1)
2 s! F  X  `4 ]
循环次数加成10倍，就看到 b 收敛了
; V6 b: _$ N' U6 Jw , b
! @7 X: g, t+ p  U4 S( g' m" [2 L27.002620697021484 14.826167106628418

/ a) O8 W  n9 S+ h7 m- i3 I: w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。