继续请教问题:关于 Pytorch 的 Autograd

雷达

7 J4 ]! ~5 x% V
: m2 m9 r! `5 @& r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：
  Q$ q+ u0 L4 r8 Q----------------------------------------------
* N  h0 I+ }9 }import torch
import numpy as np
  x+ Z. H) O  ?; bimport matplotlib.pyplot as plt
8 X4 B  |5 R: m4 z% {& L2 p5 z8 cimport random
4 q7 B, n7 [: `# v9 e3 x# Z: L
x = torch.tensor(np.arange(1,100,1))
+ Q; G' S. B+ @% o0 ^9 ^$ Oy = (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
b = torch.tensor(0.,requires_grad=True)

epochs = 100
  N: N+ X$ K" ?4 V$ M
. A0 H% n  [: v7 c! @5 g4 klosses = []
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
: }( {1 w: i4 t6 d  losses.append(loss)
8 c. f# V, [9 G/ D  
  loss.backward() # autograd
5 c' [5 o( K: F9 B* r! ^2 @: H# k  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_()
: F/ X5 b3 g1 [
3 O+ r, D  [4 ^5 ]  P: V# zprint(w.item(),b.item()) #结果
. V2 C8 p$ i$ d) h5 ?* L# L
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。
高手们帮看看是神马原因？
- |; k/ u9 i* y" c

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？
2 V( N7 U1 t$ ?5 A! z' }-------
/ j% e4 U9 a8 ^0 [4 z( @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。
# u$ l& u4 F* W* f8 x/ _$ K* ^-------
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？
-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
6 W1 h, i5 i9 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一下。

老福

8 I& i9 A, ^# i# a) v: ^' e# A

雷达 发表于 2023-2-14 21:52
2 g' g$ U) d( Q4 x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 ...

5 C. G9 F; g6 J
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。
6 y: L4 ~0 S3 P6 `7 l
8 i) c) m/ \: @* s, ~' M或者把b但的起点改为1试试。

雷达

! r; W8 d8 C9 r9 F

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。
0 _; R+ M# j# R7 e$ ]
6 h9 B- d# t" b0 E! d1 f. B或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
( |. |8 ?- i& b. y# m' [& w3 z: j
循环次数加成10倍，就看到 b 收敛了
. l. h- Z. {4 Xw , b
3 k3 R% E* s2 u* m  L8 N27.002620697021484 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。