继续请教问题:关于 Pytorch 的 Autograd

雷达

$ i" T5 \9 U' R0 d: Q$ r6 ?
+ l, j6 k% w- G: @/ f/ B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：
3 E- k  t2 ^9 O* U2 y& z----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
import random

/ E+ B) G% r. Ux = torch.tensor(np.arange(1,100,1))
% h7 ^9 f8 ^, S; j8 v2 o" Ey = (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
, z1 q0 u/ C6 T' O, ?- Bb = torch.tensor(0.,requires_grad=True)

epochs = 100

7 a: Y8 g7 k! j9 ^: Q* V+ s4 |losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
% J6 E3 S& X3 K; ~3 b1 B  y_pred.reshape(-1)

8 K: m3 r+ W. Z+ H9 C. d- N  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
# w6 \5 e8 Z# _) K, H  
  loss.backward() # autograd
  with torch.no_grad():
$ a0 C$ J' [1 u- g  ^2 L    w  -= w.grad*0.0001   # 回归 w
& @' \/ J- a- W. L" y' M$ J5 _    b  -= b.grad*0.0001    # 回归 b
! c2 b- }% I; Y/ l/ P- [" L- a- }  w.grad.zero_()  
$ X. d0 e! h0 K# O* C  b.grad.zero_()

) D8 n0 S1 I1 ~0 O3 Zprint(w.item(),b.item()) #结果
; u) _  d9 L$ ^; n( i/ [- z/ z7 S% |0 J
9 b- K, z8 V# }- _/ v8 I% y" WOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
7 [: g$ ]! k/ g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？

老福

, Q4 R4 @- E2 s; ?& V
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？
$ O. @! N  S1 |" [-------
* I, Z' p, b" r% k- c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。
-------
0 U# ~8 d; }# H. W! ]/ I2 w2 D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？
-------
6 C1 n2 r" k3 O/ R6 |不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
4 G/ p2 G' G, H/ p( ?4 b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。
1 E2 O/ V+ x2 S! p$ t' h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 ...

9 z/ p! g+ g! S0 Q$ A
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。
# X; W1 x: F8 Y$ @
或者把b但的起点改为1试试。

雷达

# {4 G. H( \1 s; L/ }& C& O

老福 发表于 2023-2-14 22:00
% v7 u, d$ D4 ^  `/ u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。
+ g& j: r" b+ Z; Y' r" p
4 V0 @6 m& W  @/ T4 `或者把b但的起点改为1试试。 ...

你是对的。
0 c' \7 U1 u2 o$ `去掉了随机部分
# e: i. T7 D% v4 K) n, F9 C/ D4 q#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
/ p5 O& n6 w4 U$ j; X! B/ D: N
8 j& I# @2 p: y: K循环次数加成10倍，就看到 b 收敛了
- N/ y% `- c5 q4 U; O% Z* cw , b
9 O, L1 d% @4 y27.002620697021484 14.826167106628418

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。