继续请教问题:关于 Pytorch 的 Autograd

雷达

- E) t5 [: q2 a( Z0 Z1 A3 h9 Z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：
' K: Q9 b8 ]2 U0 S----------------------------------------------
1 d# |: H+ K! |0 |8 X4 Z6 Pimport torch
9 G  G! N0 T1 M: T& S& rimport numpy as np
import matplotlib.pyplot as plt
4 t7 z. u( v$ L5 K) uimport random

  Z. ^% @* M) o5 Fx = torch.tensor(np.arange(1,100,1))
) H- q- Y# u- I, S! My = (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 g1 ^$ A, S5 Sb = torch.tensor(0.,requires_grad=True)
  ?7 }, x6 ]! N* W; t( t
' s- R# D1 |6 |epochs = 100
7 }; z$ q0 ~  o
: M- d: h# ^9 @' o3 M" Hlosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
5 L8 B4 v+ e+ y; v( {8 P, G
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
3 x" O: y( M' \$ M  
  loss.backward() # autograd
0 ~3 r1 }6 R9 C# z3 F6 e( Z  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
, q) C* ]: p' s. ?# S  T    b  -= b.grad*0.0001    # 回归 b
/ M( _( y9 f% c: v( h$ v) w4 m' Q  w.grad.zero_()  
  b.grad.zero_()
) ^3 z2 j5 E* K) t2 w) H1 X* O
print(w.item(),b.item()) #结果
# t9 D, q# q0 i* U9 A
4 b6 n2 K; \1 S5 w1 i+ ]Output： 27.26387596130371  0.4974517822265625
, w' P! P; |0 f- M, d6 I4 Z----------------------------------------------
: O3 C( g& X2 Q  g6 C- P$ `; y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。
9 k0 H& E+ {8 e6 `7 u高手们帮看看是神马原因？

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？
-------
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。
% u' S7 C; f6 s( m. w. A, x. U7 G-------
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？
-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
! N: \" ]6 G& J8 I+ I( g9 Y5 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一下。

老福

雷达 发表于 2023-2-14 21:52
4 C7 M# ~8 R( ]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 ...

: U- o1 S- _' D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。

雷达

' Z1 h1 R/ L* ]6 T% |

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。

) ~  |; t0 P: j或者把b但的起点改为1试试。 ...

  Y$ B( `3 m6 U" ?  M
( k# Z* I  s2 L4 F0 p* |你是对的。
% V+ q! d( f8 m, @去掉了随机部分
, a5 v, |" s% q# b5 K#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
  g8 Z6 c. {% m, i  Q7 ^
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。