继续请教问题:关于 Pytorch 的 Autograd

雷达

$ H2 w" Z( ?8 t
# U. a- ~7 I( [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：
1 U/ H- V5 E3 N" r( x% b----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
import random
' r+ w3 s. Q' n3 a/ @3 _8 Q
- g5 I0 J$ k' M: P% p( j6 xx = torch.tensor(np.arange(1,100,1))
4 q3 Y+ p1 E% A9 J. e% V; Py = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
+ O8 W4 s. W" ~9 Q8 U6 Z
# R( p% K8 V2 [w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
& X% t' R0 c% |& s/ @( d) i
epochs = 100
6 z' b- C) j: `9 _% N& {
losses = []
2 n9 U6 Y# l8 U( ]for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

% p: o1 J, U) P, k  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
1 I& D5 l6 p: W4 x  
  loss.backward() # autograd
  with torch.no_grad():
" s$ p3 w$ ~9 w: v: n  a+ ?    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
# m( J# G; O" J& O( E" }) S  w.grad.zero_()  
2 q: U0 A9 }  H1 H1 D' ~- e. A  b.grad.zero_()

% g; ]2 t$ f( d" O5 ]print(w.item(),b.item()) #结果

9 ]# o5 D) \! T9 Z2 zOutput： 27.26387596130371  0.4974517822265625
6 _2 \) l9 q. h3 Z: b----------------------------------------------
, y/ b" o" L1 O! M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？
' T; y) E, n7 i2 c0 c$ I  }

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？
-------
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？
-------
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

) W9 k& k3 O1 S( g& J* m% }6 {- v

雷达 发表于 2023-2-14 21:52
/ Q) v7 A. {! K) w& @9 E谢谢，算法应该没问题，就是最简单的线性回归。
5 P: h( @1 U2 t$ ~  E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 o; O3 ], V' h6 V
# h" r0 Y- ~, k0 D4 o% v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 q  @/ _5 w" w2 H* f; F
或者把b但的起点改为1试试。

雷达

, m- Y. E% B+ H

老福 发表于 2023-2-14 22:00
1 T1 e/ B: m/ O1 }! e5 M, z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。
4 Z( Z& S, N1 Y9 }8 ]+ K# A
或者把b但的起点改为1试试。 ...

+ b3 m$ S6 l6 ~% v你是对的。
7 x( y8 X0 _! Z: a, ?6 V去掉了随机部分
#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

* v1 }5 y* c2 Z" f' }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。