继续请教问题:关于 Pytorch 的 Autograd

雷达

- e. a+ G2 T2 G/ T  @, f1 Q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：
----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
import 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

) i& U  H. y) i3 x- I& o$ Uw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
( ?+ ?" l* d% A" Lb = torch.tensor(0.,requires_grad=True)

# o8 w. J! A% ~3 |3 m; C- _epochs = 100

losses = []
* h( ~* [1 a$ O3 I  V4 Yfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
; {, Q' x+ ~* ]3 K# i  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
9 D" Y( o3 g* }3 O  losses.append(loss)
6 G* V: i/ o+ M+ H6 `# S) g: k5 ]  
$ o% k& h* O5 Y  T: h4 U8 ?  loss.backward() # autograd
5 I9 o/ I! i+ p# v% N8 l8 p  with torch.no_grad():
) K: o" a6 ^# q7 j4 O* M& v: P3 M    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
! N2 s' j+ N+ b  b.grad.zero_()

print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
2 F5 K& Y7 ]$ [1 N6 `% v3 t----------------------------------------------
) r1 p$ c* S! w9 v7 `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？
9 D% b* v" w+ ?+ O- |6 s( T

老福

* Y, I7 s/ f8 V' ^  E- A
; b- \$ v- Z" ]! \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？
! ]; W$ S! C1 {. r: U! n$ V-------
2 z5 }  a+ j# O* ^# H& {9 }0 s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。
1 x% h: w) u, Y9 R-------
! t, X* n, u! O: 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
$ ?" @" p5 Q# Y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？
! n. X+ Y) u6 m% q9 G( t1 U2 r-------
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

雷达 发表于 2023-2-14 21:52
6 Q" K# j3 q5 l# n谢谢，算法应该没问题，就是最简单的线性回归。
9 P$ r/ V: w9 m/ p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。

- p! v* _& g, d9 d或者把b但的起点改为1试试。

雷达

+ z/ h2 s2 b; ~- u

老福 发表于 2023-2-14 22:00
! {' E8 l, e  {2 C6 t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。

& x1 }* C( a& L/ |或者把b但的起点改为1试试。 ...

. h4 m0 k) e' a2 i你是对的。
* I9 d9 Q4 R" _7 u( c! X去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
: u* ^4 P( m5 W
循环次数加成10倍，就看到 b 收敛了
, v5 B, Z1 I( o5 H$ l$ W9 s8 Ow , b
27.002620697021484 14.826167106628418

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。