继续请教问题:关于 Pytorch 的 Autograd

雷达

* @5 L& [& E  P$ \4 X' V; C7 t
为预防老年痴呆，时不时学点新东东玩一玩。
% x! k% O# d4 A3 LPytorch 下面的代码做最简单的一元线性回归：
$ H! k+ d& E& t# s. q7 b----------------------------------------------
% r/ A9 `- C$ Q% Fimport torch
import numpy as np
import matplotlib.pyplot as plt
5 r& ]/ |3 I/ l1 t" N, P4 ~import random
, \) Y8 Z* A1 y5 t$ z
8 K2 V+ G& a; i( {$ Vx = torch.tensor(np.arange(1,100,1))
y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
( N; y) {8 s) o* P9 \' u
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
" x0 K: ]1 u7 G2 w* i  z& }
epochs = 100

losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
4 e# l0 B! L- `7 _7 Y  y_pred.reshape(-1)

: l* K8 c3 T" K$ {  loss = torch.square(y_pred - y).mean()   #计算 loss
3 n- o# ^/ H/ W  losses.append(loss)
$ l* a' j% z; C7 X  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
% w. W6 d1 v. @$ h! T    b  -= b.grad*0.0001    # 回归 b
/ m+ h9 h7 `  F) N  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果

3 Z0 ?& Q" ^2 u) z/ dOutput： 27.26387596130371  0.4974517822265625
1 F. o, l, k* A. s----------------------------------------------
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？
, E5 G% Z% a; b6 k4 ?4 T6 r

老福

' T8 \) N, ]3 |9 a" p/ ]( g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。
! Q4 k0 g9 c8 a0 O-------
- z2 |: ?( L$ d, w3 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？
4 v" v7 j' ^7 q5 b! z' ~8 Y-------
+ X3 c; B& |8 ^* f' x不好意思， ...

5 r; d7 E3 ?8 v+ b# B( D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
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 ...

$ t7 [; ]( B7 {* ~' J/ @6 \
. z$ v0 L6 J3 t& x$ C4 D! n2 E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

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。 ...

+ k  b" ]4 Q" d- l0 B2 S1 x" S你是对的。
去掉了随机部分
+ Y$ `" j! k0 N#y = (x*27+15+random.randint(-2,3)).reshape(-1)
# R2 V8 x/ g8 @2 [- n' G: q) Sy = (x*27+15).reshape(-1)
8 b' |) t5 R+ m8 d( o* d  m
循环次数加成10倍，就看到 b 收敛了
$ h* D) @! L( X2 |# rw , b
& u( |8 P  M) B8 c% G27.002620697021484 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。