继续请教问题:关于 Pytorch 的 Autograd

雷达

* H1 c, Y; q$ m$ T! _' I. }5 S! ?为预防老年痴呆，时不时学点新东东玩一玩。
! |8 O* O! D5 l3 I/ F& \6 uPytorch 下面的代码做最简单的一元线性回归：
  l, Y1 K0 o  _$ [----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
, V2 T% A0 {1 Y& j/ Iimport random

- t5 ~9 j" Y* ]" {& R0 Y* ?x = torch.tensor(np.arange(1,100,1))
+ w7 z3 a& m9 n5 o3 p  t2 A" u, W* ?y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
3 T4 [* a# R+ B- S5 ^
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
7 p% z  p. ~2 `+ N+ i% h# R; m& S- ^1 C$ u
epochs = 100

losses = []
# Q5 z+ K) j8 L" Z9 ?7 _7 tfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
2 f) |1 l$ Z! |" C7 q  y_pred.reshape(-1)
" r+ q6 ~* g- ?0 e. p. s  R) ?
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
9 Z+ \+ [/ ~6 v6 D' E# b  loss.backward() # autograd
. y: n9 }* ]0 \$ h" ^  with torch.no_grad():
! R, \2 W: ^# B    w  -= w.grad*0.0001   # 回归 w
" F$ o! e/ @7 n' ]8 g    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
* O  p& A( p! D  b.grad.zero_()

* z3 U5 G/ a$ w- pprint(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
2 j) P9 ]( {! N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？
# l9 _) D* a, O* O8 G* a

老福

" w- S, z: D, a' h' B
0 S5 M$ D8 Y5 }( R% W# [, D/ a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？
! c5 Y3 t# b8 M! m! a. @; L-------
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
, c) c- U* x' ?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？
-------
; S: w4 i4 b2 I7 B9 Z( f8 Q" V不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
3 S* k# h0 o# t; m% |  A8 ~0 I  c8 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一下。

老福

( Z! g% T2 c, `" Y! _

雷达 发表于 2023-2-14 21:52
- H, G1 F3 c% s" Y* r谢谢，算法应该没问题，就是最简单的线性回归。
1 Q7 x* o% a% r6 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 ...

1 C. i8 K0 _$ `. O- U
/ ?$ M% o  u# B, D& E5 z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
* H  r7 D* a( Q% c: ]& |5 |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。
- k" l' i6 ^" F+ O6 U, `
# o# f! [' ~0 @6 k或者把b但的起点改为1试试。 ...

+ u) x" N3 O) v& }7 _
4 M8 ~& g2 c1 b# C- k你是对的。
1 W  J4 c" a2 T) i9 f" C% U5 H4 T去掉了随机部分
) ^: D2 V; J% r' t8 n2 K#y = (x*27+15+random.randint(-2,3)).reshape(-1)
  h5 f  z2 S3 o2 l2 E. Y, q# Ty = (x*27+15).reshape(-1)
8 g0 S2 ?- u2 M4 X+ n* W& x2 l
循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
0 B" {( [4 t) R. u- U$ p+ T! s
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。