继续请教问题:关于 Pytorch 的 Autograd

雷达

1 A5 a9 B/ f7 `/ G
为预防老年痴呆，时不时学点新东东玩一玩。
. ^1 \+ i+ b$ |, a3 \: ePytorch 下面的代码做最简单的一元线性回归：
+ }# S* q% }1 H  i1 {0 r  f9 t----------------------------------------------
import torch
7 ]3 p8 l$ X% E8 G: qimport numpy as np
import matplotlib.pyplot as plt
import random
  @# E% ]6 w% D" S
. f. F- U, R- \: N/ p  z$ cx = 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
0 k' }( B  `$ E' B% `+ n$ ]
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
5 u" g/ D1 i& {. Jb = torch.tensor(0.,requires_grad=True)
+ m4 h" X7 }; h8 Y3 G: z/ n& J
4 l1 k- P  L; c6 }; \epochs = 100

losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
, Q( H& T+ W* f+ X( z, @  
8 T+ _2 ~7 q! [5 s) \, R5 I4 I  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
1 t' g$ K4 J3 P4 J" k% X2 u    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
0 y3 W! Q$ ~2 w2 ?. h2 D* p
5 @. B6 Z: l2 H" N/ tprint(w.item(),b.item()) #结果
1 M, I% H2 @: r9 }: n
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。
  T( H# w4 W0 }5 o高手们帮看看是神马原因？

老福

, p! e/ ~, v7 k- h$ ~8 `9 a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？
! e( Z0 W  [6 S% I7 I: U. E-------
$ E: o+ E$ B/ Q5 ?6 n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？
" O0 U& b: P+ J, s& X  Y8 T-------
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

! i: \, f4 _2 f2 X& S" G2 j1 e

雷达 发表于 2023-2-14 21:52
/ w' p6 ]6 j" D( d谢谢，算法应该没问题，就是最简单的线性回归。
2 D/ W1 J  \; i. f# h% @) c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。
8 j1 N" h4 f3 O& g$ B
或者把b但的起点改为1试试。

雷达

3 f  K- i  p- w+ m" I/ x4 S1 l% l

老福 发表于 2023-2-14 22:00
" f4 D, d* t, i# @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。
8 m- y2 _" M7 \  \" _
或者把b但的起点改为1试试。 ...

* Y: n- D) X: @
你是对的。
去掉了随机部分
2 v9 {5 E9 {3 k, G# t#y = (x*27+15+random.randint(-2,3)).reshape(-1)
$ y  X- \! ?% J" P& S7 ny = (x*27+15).reshape(-1)

1 y+ ]# a8 Z& Z# t循环次数加成10倍，就看到 b 收敛了
/ \7 Y( y, X; z; r) G$ S7 e+ iw , b
6 X0 F# N" \- Z! a- r* K: O3 ^27.002620697021484 14.826167106628418
5 j7 R3 Y- A, w! ]- H+ Q
. S9 Q7 j7 s1 [2 Q0 k+ {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。