继续请教问题:关于 Pytorch 的 Autograd

雷达

为预防老年痴呆，时不时学点新东东玩一玩。
0 D. ^" f: u8 E% \2 jPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
import numpy as np
+ u! O5 o  R8 K. C' Z+ W0 fimport matplotlib.pyplot as plt
import random

x = torch.tensor(np.arange(1,100,1))
" A; P4 q: O8 l0 ~y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

0 y9 U) M9 ^* f" o( Dw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
" q$ E5 L- p* b2 Yb = torch.tensor(0.,requires_grad=True)
: }; I/ j+ y$ \8 `
. [# O9 ?* j1 s4 m% S3 v7 Gepochs = 100

losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
* j  {, v  B: T" _9 e( g  y_pred.reshape(-1)

: ?* f$ k2 s4 E7 l  loss = torch.square(y_pred - y).mean()   #计算 loss
0 W' ^, _) v0 T' ]9 R5 ^  losses.append(loss)
  
  loss.backward() # autograd
  f3 ?( \* _9 b. ?  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
* W3 K* q" s6 p; z    b  -= b.grad*0.0001    # 回归 b
* N. @; W6 v! r3 O  w.grad.zero_()  
0 A& |3 H3 }3 x" U3 d1 v  b.grad.zero_()
- |2 O/ P% v( p0 [9 ~2 }. e
! W8 c; R- t0 m$ m* C& _! J) e6 D+ Tprint(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
; X9 \/ T7 d- k. M4 ~" S2 t----------------------------------------------
+ V4 q$ u; b7 d/ B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。
. {  o$ N" @3 S4 `6 F6 t9 S- V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？
-------
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。
: g# {3 W8 B8 P' A; \-------
* e: E3 ?1 h0 P/ @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？
% M3 c  C: @6 {* `# z1 W) |-------
: n+ S6 M" D: [( u, B  ^5 i不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
2 X8 v4 H1 P- M# @8 n( ^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
% D; B" m. r$ _' G) ]0 l- y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 ...

6 U2 u, i% W3 K# ]* x& U
( j+ f# z! \* m' S$ I% W2 L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。

4 n; y* D  g. N# N3 w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
7 P' o% H" G9 n4 V8 u' X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。
  g5 {; |4 l; e+ r4 I& V
或者把b但的起点改为1试试。 ...

+ W5 S0 J" g# n7 B  _. D你是对的。
; T/ S' ]' T9 ~3 S9 V1 e去掉了随机部分
: Y9 q$ R  s# a8 m; M, y' ]9 K#y = (x*27+15+random.randint(-2,3)).reshape(-1)
; h* W, W" D0 W$ T& Jy = (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

9 m; G- g7 }" Y; d3 S6 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。