继续请教问题:关于 Pytorch 的 Autograd

雷达

1 M4 R& M* L) n* e6 C: U6 S) q
) J! e8 I, Q5 G! a为预防老年痴呆，时不时学点新东东玩一玩。
% J2 o3 [9 Q$ }/ |  n( j$ }4 uPytorch 下面的代码做最简单的一元线性回归：
& E  i: |8 P- ?7 C8 w----------------------------------------------
1 v1 C+ k& Y  t) t9 G2 W* {import torch
! U7 e! R8 W! }, P6 W1 g) ximport numpy as np
import matplotlib.pyplot as plt
import random

x = torch.tensor(np.arange(1,100,1))
0 v3 @, W( m8 jy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

4 Q7 v2 e  Y; T8 i; |w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

6 R. d* ]6 N4 N3 r" kepochs = 100

9 l# j+ X- Y+ H' v% Ylosses = []
6 f$ Y, v: {9 X0 p8 Bfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

* [7 _* u4 V  i6 T- e  loss = torch.square(y_pred - y).mean()   #计算 loss
7 I) ^3 @, o; Q5 J* B; F6 M: p1 N  D  losses.append(loss)
0 o( l% V# ]. Z/ F0 r; _' l  
  loss.backward() # autograd
  with torch.no_grad():
! D8 R, P: E* K4 Q7 w+ D8 i    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

: W% C8 Y( ~5 [3 R0 S2 D6 g" B0 ~Output： 27.26387596130371  0.4974517822265625
6 A3 |  A6 q& p: w5 b----------------------------------------------
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？
; b4 x. z1 z5 J7 t) ^

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？
. p2 \: c$ u$ U-------
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
; J0 d- @6 a, [* f3 [7 M: 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？
, C4 g6 m, R; x. O# }2 G-------
& q, ]/ A9 b3 g1 [1 l; q不好意思， ...

! T( O: f, K( a& j8 j" a, z  n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
+ ^+ L2 u& b% e0 t. L; G2 }谢谢，算法应该没问题，就是最简单的线性回归。
7 U- k3 N5 ]7 d1 m& ^  |8 A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。

& b/ w. r0 y/ ?& ?: S2 Z5 a或者把b但的起点改为1试试。

雷达

; ?% m$ ?- ~! ], J# `. w$ Z# y

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。 ...

5 p( W: X8 z& P* {% D4 w# G
6 v+ \4 }! ^7 B0 F; C; T  l0 q7 P你是对的。
去掉了随机部分
+ ]# R1 m/ e& v. }& W3 G#y = (x*27+15+random.randint(-2,3)).reshape(-1)
, a+ h( C" N, X9 `8 T5 D' e/ ?* |y = (x*27+15).reshape(-1)
0 j3 b$ l- A+ J8 L  L
循环次数加成10倍，就看到 b 收敛了
& J6 x* h+ h  e  {3 ]w , b
27.002620697021484 14.826167106628418
$ z+ [! X5 |9 ]. V8 X
8 _4 X8 g' M+ _7 y2 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。