继续请教问题:关于 Pytorch 的 Autograd

雷达

# Q6 A6 Y2 C3 n6 d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：
----------------------------------------------
import torch
* u8 u' P$ j0 N4 X0 Uimport numpy as np
$ ^0 W1 l1 N5 I( U, bimport matplotlib.pyplot as plt
import random
5 o  T4 ?" b7 `8 ^- _
) M1 ~+ D- U. m- I7 a# ox = torch.tensor(np.arange(1,100,1))
% ?9 ^; z3 \! @1 t8 Yy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
2 i* T  e- [' P
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
! B& f' D" A( S) Tb = torch.tensor(0.,requires_grad=True)

; V# D6 Q2 r. s& k0 a: repochs = 100

! e  [- z1 G. Y. J2 @losses = []
' I" J# F5 C7 G* z4 j6 ^0 V7 Kfor i in range(epochs):
( c3 C& I, X! G& R  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

0 E% a/ y8 C5 Z) o: n  K1 ]  loss = torch.square(y_pred - y).mean()   #计算 loss
! H; z" ]( ~; @) b& a  losses.append(loss)
) t. `: m- T% r/ ?  [  }  
  loss.backward() # autograd
4 f1 ~9 v4 z. g# p5 I" X0 F  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
3 V# ^3 G6 c# F4 K6 \6 t3 e  b.grad.zero_()

print(w.item(),b.item()) #结果
0 }0 P; `4 h3 q- ~+ N2 _$ _5 p8 p
Output： 27.26387596130371  0.4974517822265625
! X  u+ r( e+ F1 u3 |8 K; P& P----------------------------------------------
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。
) ~: {; I' a6 y6 V' x高手们帮看看是神马原因？
0 V! l3 Z- Y9 r% @

老福

6 o) g$ F4 |& }  q7 w
1 u* X- A  s9 ]1 `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？
: f5 I' M- F  _7 o4 y8 l, j-------
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。
$ N/ c3 {; l9 o-------
+ C- L8 `7 i: k- }8 C& q' U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 R, n) C* V+ `4 H' G7 x. [. @不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
7 D4 c6 n- @# P  B, }: K* z0 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。
' j  X7 e8 A) z: s5 \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。
' z, j2 [. k2 t2 q$ `3 x
或者把b但的起点改为1试试。

雷达

9 }% p6 ?' c5 q( K# e

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。
7 I- b7 r4 K  ?6 S- A6 X
' u, y1 \# D) }- J或者把b但的起点改为1试试。 ...

5 |' z& _& a8 o  v
你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

4 r8 a- y2 x+ W  u8 u7 @循环次数加成10倍，就看到 b 收敛了
9 [4 ^0 g0 S4 k4 Q/ y- N9 xw , b
* P7 W1 O8 D8 l. F# P" b27.002620697021484 14.826167106628418
" I) _/ X7 l! q
3 G7 }0 z. _+ ~; x- N. q; N- C8 Q& X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。