继续请教问题:关于 Pytorch 的 Autograd

雷达

' Q0 R" {$ d. Y5 m* @6 o! t/ C
4 I! v- F6 z: o为预防老年痴呆，时不时学点新东东玩一玩。
6 I# E5 ]* @) C: \9 nPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
* e* [5 ?' \1 S) K8 I4 B  C: D) ]import numpy as np
0 s) b) Q& v# N5 n8 ~+ b& V5 pimport matplotlib.pyplot as plt
import random
4 y* S0 l! _6 a' n5 C- T$ m/ z2 u
2 s6 e, p4 T+ A9 P$ L6 r1 Lx = torch.tensor(np.arange(1,100,1))
# O& C2 @9 ]" G+ F, {4 B/ V; uy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
) s: A" g! G$ p- Q* j
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
% m/ n# K* X; f. L, g9 ^8 z* vb = torch.tensor(0.,requires_grad=True)
* r& m0 m! N; k- u* c: }
epochs = 100
* ?) f) O/ m+ B, C% j- n) j- [+ U' i
losses = []
1 Z0 H! e& I) ]% bfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
+ N6 q- g( w/ g% n/ K  y_pred.reshape(-1)

, {3 T% ~4 r/ Y6 {3 q' s  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
5 |* t! ]# Y1 E5 }' W  
  loss.backward() # autograd
  W+ C6 o* `5 ~; L  with torch.no_grad():
2 J7 C& U, l- R( z    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
! i& C, }1 u% L  w.grad.zero_()  
  b.grad.zero_()
0 v$ o, @5 L% e# x1 p
print(w.item(),b.item()) #结果

Output： 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。
# M- y, R5 E2 l2 `高手们帮看看是神马原因？

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？
3 q; `1 W  g' B8 C6 d-------
# R: I( n; b, j$ q" W+ c) E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？
-------
0 `, j+ ~: N0 \( o  \* {' g不好意思， ...

: F5 B1 ?) [3 L- N3 E1 K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

) M! ?+ P* N+ V# G

雷达 发表于 2023-2-14 21:52
' z2 Y- j: ?, W8 t- P谢谢，算法应该没问题，就是最简单的线性回归。
1 t: P. H; g' `1 |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 ...

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。

8 G1 B* n5 b+ i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。
/ J1 s# ]9 C7 L& i
或者把b但的起点改为1试试。 ...

/ q4 C$ P# B% X, k" ~
你是对的。
8 Z4 g+ y; q) G, N去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
1 V1 e' ~) ?7 A8 Y27.002620697021484 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。