继续请教问题:关于 Pytorch 的 Autograd

雷达

' ^5 a8 _, @$ ^, i) J4 E
- \. [% `1 G; r! Y. u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：
# E6 \2 @! Z& o+ i" A----------------------------------------------
import torch
* Y2 d3 j! t: Y( H: R" o# @! T1 [6 cimport numpy as np
% M( W2 E3 P8 S1 Simport matplotlib.pyplot as plt
  c1 K$ |$ n- w4 F5 Uimport random

& X3 v9 f0 n1 i9 Q3 H- M) s5 s9 Yx = torch.tensor(np.arange(1,100,1))
- u, c- {# |- T# b) f) qy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

9 b* O5 U! ]& b0 `- R3 B6 Rw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
2 H- V1 f! D8 X) {7 |6 {b = torch.tensor(0.,requires_grad=True)

, [- ]; n) i* Eepochs = 100

8 p/ \$ r, R) M: r: G; O& C" Closses = []
for i in range(epochs):
$ t1 S3 {* C. B  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
' H+ O2 W4 q; p( }% q% r
. @# Z0 U, `2 ^4 |- r  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
% C$ D$ o+ z, u  w.grad.zero_()  
, H; n% `* c! t0 _  b.grad.zero_()

. @' a! c# ?. P% Cprint(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。
高手们帮看看是神马原因？

老福

. C( l) _( X6 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？
! T  b7 n; w  {$ L$ Q1 U  p3 e, `2 a-------
  r6 k" U6 l. j# N, Z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。
-------
3 A* H1 e4 q! \  X) S( k. |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
. m6 x3 D8 I6 \! x" 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？
-------
& l# D$ ]9 m7 R' f/ b$ L  g. Q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

雷达 发表于 2023-2-14 21:52
/ e8 S& i- Q& O0 H! Y+ ?. L谢谢，算法应该没问题，就是最简单的线性回归。
% N3 R8 I4 I0 [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 ...

6 u) w! r3 e9 N, s) w7 E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。
% G/ I. {0 ]  D; X$ P7 O& S' G
或者把b但的起点改为1试试。

雷达

1 {: X; Q- e% [) Z3 y, {

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。

0 A1 a4 \; j2 D1 M+ ?或者把b但的起点改为1试试。 ...

5 m% G/ A$ ^- z8 f% u7 V你是对的。
! S" l" }/ u5 j7 }4 u! T/ G4 U0 X去掉了随机部分
% X/ H& p# Q1 t5 E# F8 a' I) ~#y = (x*27+15+random.randint(-2,3)).reshape(-1)
, L; d: V  v9 Z3 k2 B2 D7 _3 py = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
& o+ b7 W. y1 `; M) Pw , b
: s, e" t4 m; s6 W$ z27.002620697021484 14.826167106628418

  S( H0 j9 r4 L4 \! [; L: W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。