继续请教问题:关于 Pytorch 的 Autograd

雷达

0 Q1 X' o, [& {! _' j; v: T% ?为预防老年痴呆，时不时学点新东东玩一玩。
; ?- x9 U# B3 C% i- C1 WPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
7 q* k  m' [+ U5 y- Eimport torch
# I# R4 u" b3 @7 aimport numpy as np
import matplotlib.pyplot as plt
import random

x = torch.tensor(np.arange(1,100,1))
4 j$ W  A: C; N$ j" m. ~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)
2 ^5 S1 I0 k: j+ X5 _
  @+ P- n/ w$ t3 A, iepochs = 100

losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
/ d" e( D  q! L
. V( e" X6 p6 `$ J6 J, p* F6 C) p1 F  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
' e, @+ d$ J* s5 ~5 N7 w$ s  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_()  
% E; s) b0 I2 W, y( f: M6 M  V/ a  b.grad.zero_()
! h& h+ m+ O( _, `& C
/ F3 f* k0 M+ ~( \. qprint(w.item(),b.item()) #结果
+ f. E' g: l1 n# k9 K3 q
Output： 27.26387596130371  0.4974517822265625
3 i& J  D1 X- Q; L' z----------------------------------------------
% m1 K4 j2 B; X% M1 h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。
0 f) U" m! Y2 o( B+ C高手们帮看看是神马原因？
. b' }, j: R  t2 y* `& I  t3 q5 P. R, r

老福

/ R$ L0 `2 `- h5 S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。
3 g0 c  ^9 e! W& W, P  I-------
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？
0 f1 M; X% ?4 b- t% y8 q6 y-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
3 k: M4 F* W* q2 U# }7 ^, }' t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
5 F/ x! _/ M- ~) y+ I; O; U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 ...

: \3 {/ n5 S8 U7 Y
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。
( f( O. p+ b: m/ H9 \' i
或者把b但的起点改为1试试。

雷达

9 |: ?' @6 q) c' H9 h3 G9 V5 y

老福 发表于 2023-2-14 22:00
' X- i: Y0 d9 f$ a/ ?$ F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。 ...

  a% b& ~6 E+ v% y你是对的。
3 o# b& q) Q+ M7 i; G/ [去掉了随机部分
/ L# X  Z4 Q; b; |& j& `6 t#y = (x*27+15+random.randint(-2,3)).reshape(-1)
$ H& ~4 x: _  v$ Ny = (x*27+15).reshape(-1)
) t9 v& G0 C% M" _" R, b4 t, q
: R6 b/ v9 C# u4 }循环次数加成10倍，就看到 b 收敛了
w , b
- B0 P8 [  V4 m: }: U; [27.002620697021484 14.826167106628418

9 n& c8 |0 D2 R# V: M; }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。