继续请教问题:关于 Pytorch 的 Autograd

雷达

" C# g1 N% D: W
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：
0 N* ?0 x" M  Z5 k/ y7 c----------------------------------------------
import torch
/ @- S( W- k( }import numpy as np
import matplotlib.pyplot as plt
& B2 g$ D8 ?  W- B  l# Rimport random

x = torch.tensor(np.arange(1,100,1))
y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
8 w4 a% j  {( K  s! ~* ]b = torch.tensor(0.,requires_grad=True)
  ]2 m' x7 I. Y" J$ T( A4 e& M0 c
epochs = 100

# L7 i  |* Q; ]* v7 l' alosses = []
for i in range(epochs):
: i: `9 l. V$ H2 Q  y_pred = (x*w+b)    # 预测
: l+ D; ?3 W. k  y_pred.reshape(-1)

% J, P# h2 \0 P* I  loss = torch.square(y_pred - y).mean()   #计算 loss
8 V/ V; D3 K9 D- ^; C1 G, R/ ]  losses.append(loss)
: k) n0 t6 Q) S% [2 Q3 F& f  
$ E5 M6 {4 R; p7 n! b  loss.backward() # autograd
  with torch.no_grad():
* n# I2 l1 `% Z' z2 D. E    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
% z- H" i9 U6 |" ~/ `: k& I  w.grad.zero_()  
  b.grad.zero_()
+ k$ A6 X: F# A. |3 J" \
print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
: h4 Q: z4 v  g  m+ 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。
8 x% Y0 M/ ~) s; l高手们帮看看是神马原因？

老福

) i/ y% p, N) }( J$ 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？
; K3 t" S6 X/ Q0 V-------
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？
-------
% w4 r7 e  _0 G不好意思， ...

% j3 v! J5 G, O" u2 {' _3 x谢谢，算法应该没问题，就是最简单的线性回归。
* x9 D0 y( d# p- a. j: L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
( c/ O; b/ I8 D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 ...

, P, [* c" n$ e0 q1 v' g' i2 X9 T( s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。
  v" I6 R7 u* R5 ]5 I
& Q1 Y# y' p- z, o6 F! 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。

或者把b但的起点改为1试试。 ...

# v7 d/ Y+ \9 h你是对的。
去掉了随机部分
1 X% o: I4 x; I6 r" o* y#y = (x*27+15+random.randint(-2,3)).reshape(-1)
8 |, n8 Y, c; b( Uy = (x*27+15).reshape(-1)
" b; _6 R! Z$ w  h$ ]( u" s3 N# Y
循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
. `$ }, e6 F6 D# O. R9 N
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。