继续请教问题:关于 Pytorch 的 Autograd

雷达

8 V( N0 s8 q: ]8 D* h5 H! v9 c
, t0 J  u' z' 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：
% H/ g$ m: u% H9 Q----------------------------------------------
import torch
import numpy as np
+ ~% s0 ?  D& B/ mimport matplotlib.pyplot as plt
import random

x = torch.tensor(np.arange(1,100,1))
' d# E& g2 p2 L9 fy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

9 J2 e! Y+ ^' y: O. Mw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
  C7 ?" \3 ?$ e2 J! |b = torch.tensor(0.,requires_grad=True)

3 ^+ C, G: z' }+ ]7 j; [epochs = 100
1 J; b. U- Z% R$ X/ L
losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
5 q, a4 P! [+ g$ P  Y% l  y_pred.reshape(-1)

/ B7 @# G0 O9 I0 e, |# y* L  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
& u6 z  _5 u+ R- ?, V; }    w  -= w.grad*0.0001   # 回归 w
* D/ R$ J5 Z3 ~( P* }& ]    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
& I4 S) G# M! A! _
print(w.item(),b.item()) #结果
( X, y: a* i+ |% G: p  e
Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
2 U( y7 x  Z$ S2 U& P: j! [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？
" ?3 @4 e: \  I7 T8 d

老福

. O" o' }( t% n2 o% ]* g% y& ~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？
-------
% a$ ^/ b$ _. C# ^. n2 M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？
, q( e  j. `  `( Z3 b1 e! Z-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
- x0 U1 _1 h6 U7 e7 C# J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
# o$ W) o1 A6 c2 Q+ R6 o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 ...

7 _' ]) f9 R3 Y( P
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。
) m2 w$ `: @8 D: t9 s2 ?2 l
8 S8 ~  x5 O& P) r& P$ T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。
: u# E6 u) L0 {+ t  ]7 b
或者把b但的起点改为1试试。 ...

: L) _8 J5 u$ r, }4 ?# T. Z
% Y2 {, E0 S% ~* G你是对的。
! i- |$ p4 T& I) ?去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
" @  `& W" `8 V; q- L6 `# Sy = (x*27+15).reshape(-1)
: W8 P, E" H8 o9 v- b
循环次数加成10倍，就看到 b 收敛了
  T  V9 Y* n- ew , b
27.002620697021484 14.826167106628418

& O' @: k2 m$ k0 l0 [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。