继续请教问题:关于 Pytorch 的 Autograd

雷达

为预防老年痴呆，时不时学点新东东玩一玩。
& B, S. y8 i6 wPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
) i/ e9 o& w# t# B6 G9 y. v' gimport numpy as np
import matplotlib.pyplot as plt
- G& k( H: Q8 Q6 W9 @import random
. |7 u4 x0 L  i5 }/ L0 s
! s8 b% \0 g7 x8 C- \4 |0 Dx = 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
1 F$ U/ R" E, ^$ T, K7 |! U
1 e- n4 w1 I% t, j" Cw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
* y( G. j6 l' N: V* C% y! A! a( ?b = torch.tensor(0.,requires_grad=True)

epochs = 100

losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
+ v8 B5 S3 ^  ?* Y) Q  y_pred.reshape(-1)
& d; w0 N, B5 M! H& g' j* h7 Q- T3 ^
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
) z' j% J2 R3 Z9 A8 M2 v9 z  
  loss.backward() # autograd
  with torch.no_grad():
/ v1 W9 ]. D  z' Q' Z1 t" U) m0 t1 y5 ^0 z    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
3 Y9 s  g- _4 e7 V! B' O  }  w.grad.zero_()  
+ ?. A0 N6 p6 F; @3 Y3 e4 f/ d7 ?  b.grad.zero_()
. a. u1 g, Z/ E0 B5 F0 b! [
: H9 q- ?$ L: _+ g* S$ o- v" Pprint(w.item(),b.item()) #结果

0 d* R* x2 }0 Z% fOutput： 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？
# [0 z/ _% q# b* p, [# V

老福

- b* p: U- y. C8 W5 n
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？
) ^# C1 F1 u% T-------
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
9 k! h. J; i: 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？
* H  y& x. ^. Y/ \+ b-------
6 W9 @; }: V5 T3 T. K不好意思， ...

; G9 ~( ]7 i/ e2 j. V  h谢谢，算法应该没问题，就是最简单的线性回归。
# B  ~% X8 g$ v4 x5 y- {) x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

; M; R2 |/ s( p; O

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 ...

( f% V6 z$ S; F& i+ o1 J/ Y
3 F5 t, X  p% N. L. A& b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。

" v0 h: L6 \& ?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
$ }4 f1 ]7 o5 t( Z! h; b7 C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。 ...

9 k& Y/ t6 C# D2 {  [你是对的。
, T+ {% N" \7 J" X去掉了随机部分
4 O- r( N  j; g  A#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
w , b
27.002620697021484 14.826167106628418
0 i4 p* O: R9 E# `, |
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。