继续请教问题:关于 Pytorch 的 Autograd

雷达

8 @2 h1 V0 l  y% V: w
为预防老年痴呆，时不时学点新东东玩一玩。
0 P  _8 Q4 g5 p- B7 @Pytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
! ^5 E4 M# O. V; z/ jimport torch
/ ^. p) V0 f0 ^0 B+ `- x8 l) ximport numpy as np
import matplotlib.pyplot as plt
import random
- k( J" @# t9 Z
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
5 u$ O, I/ y& e
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
' O5 ]6 w3 d: V" N9 V
" h6 o5 s9 s6 `epochs = 100
: Q5 i6 ^. c2 n' o- Q) l/ x# M
) X* x: g& d) E0 R0 Xlosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

, b; G7 |9 z" A  loss = torch.square(y_pred - y).mean()   #计算 loss
8 I, H+ `9 u! t; F  losses.append(loss)
  
5 o3 ?& K- Z7 `7 [+ m2 T, e- y& ~  loss.backward() # autograd
$ Q7 ]7 Z# `- G9 _) M# Y( x  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
5 Q# h' W9 d$ u  Y4 \' o" U    b  -= b.grad*0.0001    # 回归 b
4 h% y! N& k, t2 L  w.grad.zero_()  
+ D' l6 S9 ?* _" ]2 h  b.grad.zero_()

print(w.item(),b.item()) #结果
5 ~1 Q" V3 }2 x' s: q
7 ]. B, a$ }  c3 ]. B! _Output： 27.26387596130371  0.4974517822265625
+ H7 Q+ ]& F  [3 @/ \----------------------------------------------
  B- H2 C3 c, o; v+ o, a+ a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

- y8 R% b# s& J4 M' [0 H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。
) \9 s% P  K! ]. N& I-------
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
; l( |- F* y7 g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？
3 }8 d; J( R- e: w7 j-------
不好意思， ...

7 Q% L; C: ?2 }( |. H) J谢谢，算法应该没问题，就是最简单的线性回归。
6 [7 I- Q  T, Z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

6 P" W: {' N# R' k% |/ j

雷达 发表于 2023-2-14 21:52
# o0 l: `: s- c1 a, q% U' e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 ...

# ]5 F! Q# o# Z2 N3 W1 f  C( O; z
6 o/ t$ Q( S; L. |: X% l1 I, r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。
5 s* {# m: d; [+ @
或者把b但的起点改为1试试。

雷达

% p# v. n( H( x' z$ |2 v

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。
8 Z. I# X0 c) A. ?' x$ r9 Q- D" B
5 E3 B9 r8 E. p0 a7 J或者把b但的起点改为1试试。 ...

6 p7 Y  o! k2 L/ D# |* a' i你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
( t+ H2 e; q$ @. f2 f) k3 Ry = (x*27+15).reshape(-1)

7 _" A- G5 t+ \/ _  ^: n循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418

7 W" V/ j- l8 P5 y5 V. z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。