继续请教问题:关于 Pytorch 的 Autograd

雷达

4 M! L' [; b6 t: H$ e# c6 T- y
2 u; g( ~) K/ q4 {0 o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 ?8 b$ v7 S( a' S' e( Gimport torch
' n% v* D1 H( R0 b3 \+ Timport numpy as np
import matplotlib.pyplot as plt
' S& _! o& L% a( C6 v0 a4 ]import random

x = 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
. v' ^+ k# H& E) d
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100
) L2 i: r0 E2 u" z
losses = []
- q- H- }- z) w, |) ifor i in range(epochs):
5 ]( B8 ?/ \1 P* Z  y_pred = (x*w+b)    # 预测
4 q4 l$ Y. z0 i& u% F9 u9 g, W  y_pred.reshape(-1)
) a1 B8 A+ ~6 y4 l$ I% O2 ?! z
; p& X) H/ `2 M  loss = torch.square(y_pred - y).mean()   #计算 loss
" o6 T! v( ]$ v- n# _1 N/ w% U  losses.append(loss)
7 p* k; n" t$ e) G5 k. Y' V9 P, {  
  loss.backward() # autograd
  with torch.no_grad():
0 z6 H' t9 `* `7 H! @- F; ^    w  -= w.grad*0.0001   # 回归 w
& V& a4 c& ~2 q. s    b  -= b.grad*0.0001    # 回归 b
( p+ w1 e9 p+ ~- O  E  }& Z% t  F  w.grad.zero_()  
  b.grad.zero_()
# v' H/ @, m4 C! ^, d' d
. H$ X" k/ [2 l* Iprint(w.item(),b.item()) #结果

' \2 o+ q/ J: A. ]% W: B2 cOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
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。
/ v: \: g' G3 {: d' x7 y高手们帮看看是神马原因？
: d% Y- y; C* v! d, u6 d

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。
) s% ^' R4 y) x! u/ L) o-------
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。
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

  C+ ]/ T" ^. Z+ f2 M9 q

雷达 发表于 2023-2-14 21:52
3 _; ~$ t* i- h' n谢谢，算法应该没问题，就是最简单的线性回归。
; F. h5 \  L9 x7 V2 Z! B) v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 ...

/ e$ R; p2 I6 \4 @; Q  v0 G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。

& ]. [& y1 G& U; {. s或者把b但的起点改为1试试。

雷达

6 ~- h5 H* x/ r" o" U

老福 发表于 2023-2-14 22:00
5 L5 F" e6 @. c' B0 b- S8 c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。 ...

* U! \+ A7 }' |3 l7 Y7 V$ r" s
你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
3 W% Z- f9 d9 g' ?. k% Fy = (x*27+15).reshape(-1)
# I& o' m  n" ?" K& V
6 `- `8 N, U/ j$ O, H* V循环次数加成10倍，就看到 b 收敛了
w , b
( u8 x3 X$ @8 f. j; M4 a27.002620697021484 14.826167106628418

# O9 K6 I" j4 _" o, z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。