继续请教问题:关于 Pytorch 的 Autograd

雷达

# I! W' |; X& Z$ R% w+ C
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：
----------------------------------------------
  O0 D6 J: `6 o# q6 L0 A6 ximport torch
1 V! G2 V3 E) x: _9 E9 Fimport numpy as np
% o6 {) x( G8 K% jimport matplotlib.pyplot as plt
" r# X% u/ q) z* @+ o; i( Jimport random
( V. B% r7 |$ Q
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

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100

) s$ G( i4 N6 O) U% Q+ _3 {( Ulosses = []
for i in range(epochs):
6 R* O# N4 ]8 X# M8 m, [  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
2 b  M1 {& _- ~8 B$ Q+ {9 X  losses.append(loss)
  
- y% N4 r9 c* j7 u& p. U( s) f2 S  loss.backward() # autograd
, k6 ~# \9 X% T$ F8 M1 Z1 X! ]  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
) U1 I/ P+ I8 I. n  w.grad.zero_()  
/ A2 S) C4 Z$ }0 M  b.grad.zero_()
6 D3 J: q+ g# x! [
print(w.item(),b.item()) #结果
: n" m6 \: ]$ Q% w! S& m; w
# T4 |# M. p( r- b# e1 K' t7 dOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
2 |( w4 C8 A! O" U4 z& U/ _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？
* Q6 P$ u# {- |

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
$ X, ], z! o; H) d, S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？
, o# i5 {4 Y( M+ V-------
# p9 G+ l# u1 b, x不好意思， ...

" s2 m& p3 G; V% i% i谢谢，算法应该没问题，就是最简单的线性回归。
3 P7 ^: s' G3 g, x7 ?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
谢谢，算法应该没问题，就是最简单的线性回归。
* Y3 A1 z$ ]& F5 F$ y& N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 ...

3 }! X" e: [3 k: y% i- n' h3 ^7 N
) L6 A/ q8 v$ Z( K. G- }2 ^9 o% h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。
9 P; B4 _& w& H
* d& k2 H8 ]0 o: c或者把b但的起点改为1试试。

雷达

/ J- e! R0 Z, ~. x$ \

老福 发表于 2023-2-14 22:00
6 Q- j* X0 e, B( w" ?+ `3 T( 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。
9 ^! w5 ^) k. L/ t# l8 o$ O8 {( }
或者把b但的起点改为1试试。 ...

' A/ S& B# n1 i: M$ J
你是对的。
( |: }% m% s5 N1 Q, d% U去掉了随机部分
/ j2 ^# b" v% X! d#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
" Q3 \! W: E6 m27.002620697021484 14.826167106628418
1 J: i) S+ a& I
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。