继续请教问题:关于 Pytorch 的 Autograd

雷达

; d2 L+ a8 }8 |. A; }+ o9 V
为预防老年痴呆，时不时学点新东东玩一玩。
- d1 K8 P! L+ g4 SPytorch 下面的代码做最简单的一元线性回归：
' D+ f- D' {" y0 F----------------------------------------------
import torch
import numpy as np
6 r* n6 L' y& H( Z3 c; V. }1 Bimport matplotlib.pyplot as plt
import random
, P4 h" \2 M& S6 R( m
* s% h) v. f2 T# x* M8 d$ Lx = 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

: b, ]* e4 s7 U3 i) r& bw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

: C: L9 f3 |- q. vepochs = 100
- j) X, R5 l" Z8 V& u* ?2 W
  Z. {- w- J: J4 O5 l5 G8 qlosses = []
for i in range(epochs):
1 O! s% Q# y8 {  y_pred = (x*w+b)    # 预测
' f" G" o) ^# x5 L' _4 @  y_pred.reshape(-1)
( t$ |) M  C5 Z8 Q
; n/ Y) {. b& d: g  loss = torch.square(y_pred - y).mean()   #计算 loss
% a) M% l$ L( b4 h. O  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
  w.grad.zero_()  
  b.grad.zero_()
( k* ]+ {% O: s0 }
# X! i9 Z6 H1 K- r  oprint(w.item(),b.item()) #结果
% N* X& D* p, i1 o3 K
2 N6 D  Q* n' o9 x. I  b6 j- ]% X, \Output： 27.26387596130371  0.4974517822265625
$ q" w# i6 K  Q- i----------------------------------------------
1 q9 d# A' i* r) [# ?9 C6 r/ F( 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。
4 v, }8 t8 \% w/ c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？
/ x, P+ x& @3 C8 @/ U-------
# l; l0 l5 S: h$ ^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。
- f, [& W% ~8 m& F-------
* O+ B% p& E" S$ `) ]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？
-------
: a& K- j: z% Y- Q: e. x: I& T不好意思， ...

/ m9 V; L% l4 c6 K3 D6 ]5 G. D* g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
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。

5 f' n, j' E& F2 ~0 ]/ F6 Q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
) S* F3 F9 T0 r) _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。
' B+ d" f$ ^! ^1 `1 i/ e. G
" |6 v" w% W4 ]  ]' o或者把b但的起点改为1试试。 ...

3 ~- x3 R* {( y! {" }! ?4 m
. }4 N9 P" n( v" W& |你是对的。
3 U2 P, y1 ^) n9 ]* ?去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
  n' W* \/ l: py = (x*27+15).reshape(-1)
1 M! G0 O7 q1 C- }* n# S
5 a* a5 Z" _5 [; M$ W循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
- I% i2 o% X  u6 Z0 x
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。