继续请教问题:关于 Pytorch 的 Autograd

雷达

2 h1 M) [; E, v7 w( j: a! X
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
import numpy as np
import matplotlib.pyplot as plt
import random
) `* r$ V8 c3 Z
1 d) P: J: m, A6 I1 g' F4 y0 E4 ix = torch.tensor(np.arange(1,100,1))
3 |1 a) N9 \! o$ @# b+ Fy = (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
" K+ |" v  C8 P, U( ]1 `b = torch.tensor(0.,requires_grad=True)
, G7 g% V6 ?5 b8 c
epochs = 100
5 M) g6 y6 y  [8 P4 Y
losses = []
3 f3 i( d% a# nfor i in range(epochs):
, J; P" q+ e7 f  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
; d# G4 Y/ e2 ]- C: {
8 K& n! Q2 y+ w$ y' W* D  loss = torch.square(y_pred - y).mean()   #计算 loss
/ P" |3 }% ?: ~0 o; j8 {% G5 {  losses.append(loss)
  
9 g$ w0 _  n0 h2 s# T  loss.backward() # autograd
# f4 T; f. A9 @4 |: E8 i  with torch.no_grad():
- t8 @2 s! O, m9 C    w  -= w.grad*0.0001   # 回归 w
9 V  D2 {3 N3 R    b  -= b.grad*0.0001    # 回归 b
7 s% C' `: L: w4 h1 \  w.grad.zero_()  
, q+ V4 M& Q& x2 }  b.grad.zero_()
  J1 t7 E& _) l$ f
4 H, o& S# r& b- sprint(w.item(),b.item()) #结果

. H* X. o/ r( ~3 n& `Output： 27.26387596130371  0.4974517822265625
/ M4 U0 w. v1 _----------------------------------------------
0 x/ ~9 A% D  h; i) B% i  \) I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。
  ^6 R( j# c! a0 o, v高手们帮看看是神马原因？
) ~' b2 w! ?% _; ?" F

老福

2 d& o& }# m2 q& I# p) A
1 }/ S; v% s$ u6 f/ O& {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。
. y9 }. F: {  \9 ?; [) P1 _-------
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， ...

) p/ s  S3 @# p! F; b6 k: _: U谢谢，算法应该没问题，就是最简单的线性回归。
8 ]5 N5 B( z) O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

" v) U  y* R0 Y

雷达 发表于 2023-2-14 21:52
, L; P+ X* e6 o: i: g谢谢，算法应该没问题，就是最简单的线性回归。
7 }4 E* {; W# {3 Q8 U) D) R. O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 ...

4 q& t2 ~  d$ x/ R  J! E1 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。
" @2 X; W# ^) L! ]2 `' i
或者把b但的起点改为1试试。

雷达

! a& _) N) s* z+ _+ W( G

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。 ...

你是对的。
" C4 N' x  ]7 ~% Y去掉了随机部分
1 B+ M  n9 G; d: a. r  O  I#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

: F% d! P. {$ H% P) t循环次数加成10倍，就看到 b 收敛了
8 g$ x/ O* [+ D5 P! |  v- n1 j( Hw , b
27.002620697021484 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。