继续请教问题:关于 Pytorch 的 Autograd

雷达

1 J, @9 v6 ~0 @* P" \' ~' E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：
----------------------------------------------
2 T, K) T/ C$ E5 H1 M# simport torch
" z  |; A& z6 @" vimport numpy as np
( ]& s) T8 M! s2 y9 p$ Wimport matplotlib.pyplot as plt
4 N7 F5 N& _$ q$ ~/ [% Yimport random
1 E# w6 \5 Y) \9 K5 [
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
( |" [' |# g% g) X
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
% A' H$ H+ V; X" V) K/ E: g: q' v9 d
* c$ k9 @( _* m" p, ?2 i- tepochs = 100

losses = []
5 F1 J' {: g9 [* Bfor i in range(epochs):
" \( L4 v- F5 g, C8 W! r+ _  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
8 z# r& H: R2 K4 B
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
( ?4 c+ A: X# Z* F' r( t  loss.backward() # autograd
  with torch.no_grad():
. B$ ~; e/ J$ O# X$ H$ U9 ]3 n8 E    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
& F3 Z  X: p/ l8 R  b.grad.zero_()
3 d/ J, U5 N) l  K% k# U+ x) D4 X
print(w.item(),b.item()) #结果
7 q9 u$ C" a' j# B" }  ?' D
9 R# J) g2 a; {: y9 E3 nOutput： 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

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？
$ H; E3 a" ?1 G' A-------
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？
-------
8 w; ~0 X! v# |" m" @% N7 d+ K" s, s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

6 ?) K! M& {. ^9 m4 |

雷达 发表于 2023-2-14 21:52
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 ...

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。
3 P1 j( _8 ?* E+ z2 ~: A
/ k! I3 Z9 N; ~0 N- Z  Y+ ]! {: X) \或者把b但的起点改为1试试。

雷达

$ `/ u# H/ h4 S

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。 ...

3 d% H& ^" w; X0 G3 }
- u7 n) m" H% @8 g! O7 o" O4 I你是对的。
& }. p$ `5 Q! ?$ p5 ]( }+ b去掉了随机部分
, }$ u1 U' a7 h#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
4 d& q1 g, ?% K' A1 G; Z% Ow , b
27.002620697021484 14.826167106628418
: X9 x4 w# b2 [9 h
! n; m; O0 X, {. Z3 r# X1 d  }$ 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。