继续请教问题:关于 Pytorch 的 Autograd

雷达

+ Z- j* r3 A+ @7 @+ Y& x
0 s4 w9 u1 ~+ P. D% N0 [为预防老年痴呆，时不时学点新东东玩一玩。
, J7 O/ l  q1 k$ z, `( Z. O& mPytorch 下面的代码做最简单的一元线性回归：
! l# T5 d4 Q& Z1 \& l----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
. v5 L) K& X3 O' \import random

x = torch.tensor(np.arange(1,100,1))
6 S7 F& g+ _8 L) t$ Cy = (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
b = torch.tensor(0.,requires_grad=True)

! F: ]' g* u  O. b" q+ s# w1 |6 ]: depochs = 100
: q+ K: g8 \/ k5 s' z; w3 T
) U" ~0 t4 @& z7 blosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
* h4 ^, M9 S* I4 s! I( t% h  ]  losses.append(loss)
  
/ Q4 f9 y9 A( {. U/ J: V  loss.backward() # autograd
- e: z$ V' c! i9 X  with torch.no_grad():
% p$ G6 @" m9 l/ f. _$ q; j    w  -= w.grad*0.0001   # 回归 w
2 e; p) l$ ~+ J2 t* G    b  -= b.grad*0.0001    # 回归 b
. \: g) q9 d3 t8 q3 L7 j3 Q! k  w.grad.zero_()  
  b.grad.zero_()

0 {7 e, V6 O% O* ], J6 H" d" _print(w.item(),b.item()) #结果

+ T4 F3 ?+ P: K/ C8 _0 j4 X; JOutput： 27.26387596130371  0.4974517822265625
1 E6 O. n% m! N' R: A$ W: a----------------------------------------------
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

4 e$ t- T; g% [. c* H6 K8 ?1 {
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？
-------
. o4 N9 S+ [& k; Y& ^# E+ d+ P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。
-------
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

! F! X- p  Y: [# _/ V

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。
3 T9 P  c& u/ r4 G* n! a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 ...

! I5 H' f% l2 `' h6 ^% 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。

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
3 k* B8 A( F5 I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。

( k0 `9 z0 \% U5 J. Q或者把b但的起点改为1试试。 ...

5 d: V% @) w6 V3 s) A& {! O你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
- Z# e$ S: Q3 g7 o& Zy = (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
- W! `/ b9 s$ b; W6 J+ }  J4 g
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。