继续请教问题:关于 Pytorch 的 Autograd

雷达

+ d+ }- `* t9 ]2 p. D! z为预防老年痴呆，时不时学点新东东玩一玩。
; h5 R- v8 c2 p) ?5 N; fPytorch 下面的代码做最简单的一元线性回归：
( k  F6 T0 X# H$ h% t$ K1 ^----------------------------------------------
! a' }; D' o- i6 Himport torch
8 O( \3 |( a! j" e9 K0 i# Limport numpy as np
import matplotlib.pyplot as plt
import random
% Z6 E4 I: I6 _4 Y& z0 D, E
* L; o* j& A. m$ t; d" k% a4 ix = 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
, `: n9 d1 [. |) n+ y
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
3 B! ~, C/ B& O) R  Z$ A# eb = torch.tensor(0.,requires_grad=True)
" h1 d) I4 b( l# V! W6 P! M
epochs = 100

4 d8 y# Z4 ?" l. U! P" O+ Jlosses = []
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
  losses.append(loss)
  
( `0 Y4 Y3 Z, O4 u& I: G7 e9 r  loss.backward() # autograd
  with torch.no_grad():
3 T) v5 h  }7 g6 _; b& Y    w  -= w.grad*0.0001   # 回归 w
* X# k/ V# u* I8 ^- k& z    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
8 N' W7 J4 u0 P1 e  b.grad.zero_()
/ N: g2 n1 C: z7 P. x
print(w.item(),b.item()) #结果

1 \' S1 I& I% x% q+ C8 FOutput： 27.26387596130371  0.4974517822265625
0 M4 y( Y& K" H3 r- q----------------------------------------------
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？
, V2 w: Q/ b# h8 T

老福

4 a2 E, e. F0 g" C! C. l% V
; C5 V7 C5 B; C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？
. V: ?% P! W# w9 Y' M5 X-------
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。
-------
, @; E" r1 q6 i/ ^6 f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
1 G5 N* m: w: Z0 x: M: f8 d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？
1 [# u/ g  D3 b* I-------
6 L0 A/ C, |2 V( |# B' H) ?% K0 o" ]不好意思， ...

0 z- i: j9 S, d) j' ]: [& j* h6 H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

雷达 发表于 2023-2-14 21:52
  z' i1 ]/ S" J谢谢，算法应该没问题，就是最简单的线性回归。
. ~5 P, J( L5 |  a; r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 ...

4 [( R/ k8 I7 C9 S/ [% ]
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。
) I: s( T8 K) f/ X6 z2 ^
2 |/ `- t2 l$ i1 T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
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。
. U! y: ~5 |4 Y" S: [
或者把b但的起点改为1试试。 ...

9 U  V% e& ^# C6 l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)

' S9 z" c6 w! a; R' T4 e循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 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。