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。
; d3 M0 M% N( p+ C, Y7 LPytorch 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
3 m0 J4 F* L, }0 X
. Z! o; m  H+ \0 F% ?3 W9 kx = 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
; Y5 I2 D! s/ y. J9 F, l8 i
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
( i. `! z, O9 L6 }' l5 L# B- R  wb = torch.tensor(0.,requires_grad=True)

- t% s1 t% J, M$ ^; h7 Z. Mepochs = 100

losses = []
/ T3 @: L" C: N0 }" hfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
2 d3 i) r  S* g; R' R
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
' j, l7 n5 l8 T% M$ z  
# f1 `" o: i% g' W' E  loss.backward() # autograd
  with torch.no_grad():
7 O' S& S+ {9 L  e; S, x& d  h    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
1 [9 o3 u: ~  f- y* L9 I. I  b.grad.zero_()

1 s7 k; s- h' O! Aprint(w.item(),b.item()) #结果

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？

老福

2 Z/ x& v& G7 B, Q3 @7 U
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？
, L  B* z6 a7 V4 ]7 j# E5 {' B4 n( \-------
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。
-------
  S+ T8 I6 d* Z+ \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？
% H8 _* Z- A1 _! _& W) [2 t0 Q# r; D-------
不好意思， ...

) k+ W% V7 B% Z+ t' ~- C谢谢，算法应该没问题，就是最简单的线性回归。
& T8 o1 |# b3 T  u7 O- ~0 s: J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

3 `4 G4 q) H+ ?/ H3 K, M

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。
. H- o& a" r; \7 b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 ...

$ X6 s4 J, ?# C' x, j# }6 d' G
+ t1 V6 k2 ^; I  S& d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。
2 s* H1 p2 n$ s2 ~
$ L2 o4 k. S- r! r+ G或者把b但的起点改为1试试。

雷达

7 I5 Z+ M, Q4 W

老福 发表于 2023-2-14 22:00
' r- r2 T. e" N3 P2 U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 O$ L+ x+ N8 q5 _6 s
7 I, \- ?3 w5 O或者把b但的起点改为1试试。 ...

5 ~' B7 e/ \8 p" p) E) U# _
你是对的。
/ F, [5 W$ j" T# C; M7 n/ Q去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
5 M* k# w6 c! b! T) i# Y: Q$ \3 X& Gy = (x*27+15).reshape(-1)
5 p6 N: ]/ n4 O* J
& i6 F& Y7 e* Z, h循环次数加成10倍，就看到 b 收敛了
  t, q+ z' L+ w  Vw , b
27.002620697021484 14.826167106628418
( K* I3 U$ V9 w, k
% p9 Z& k: O+ e! A5 p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。