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。
( n  N" ~+ k2 K3 @Pytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
import numpy as np
1 Z! K  b8 U- n: M- vimport matplotlib.pyplot as plt
import random
$ E' L& P' k* y4 T
, Y7 M9 i2 f8 T/ |  T5 K! l+ W1 ^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
- A5 P/ N1 G' O, a) N$ @% w2 ]
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
( _; I3 d0 ~1 N$ o9 v& ]b = torch.tensor(0.,requires_grad=True)
3 H9 T. s* V* \' Q
epochs = 100
2 R" k0 h! [! d# O! u
losses = []
4 X% S! O8 E& p0 _* S; c& V# ffor i in range(epochs):
( {7 k/ h" r$ ?# k  y_pred = (x*w+b)    # 预测
& ?/ j( R6 b! M8 m4 n8 t  y_pred.reshape(-1)

* ^% u( C" y$ T; r+ w0 v  loss = torch.square(y_pred - y).mean()   #计算 loss
+ Y' y- N! P, P# g# k6 a  losses.append(loss)
9 t& A( V" e: L  S  
# p8 a, ?; L( Z" i  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
$ P$ l( M4 ]' d* s  ?  b.grad.zero_()

* S2 m$ x8 v0 d# L+ [8 }8 e, Q" wprint(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
( W  K- ~3 h4 |! [* N----------------------------------------------
" g/ j3 m) H  G9 y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。
' a3 d3 P; f& K& b高手们帮看看是神马原因？
6 w6 _. q5 @$ h; j+ L) j/ s$ I

老福

8 q* d7 l4 m) X& 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？
-------
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。
# u7 D) N0 f  R% ^7 g* V-------
2 `5 j8 ^6 `9 f& Q: U; p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
3 c2 N# X) |0 L! v' B/ ]' M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？
: r3 n( s' c* s; A+ f0 Z-------
不好意思， ...

/ V* j) y" ]0 B% C; y* V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
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 ...

' }2 w- D% D, E3 y* j$ f0 m+ a
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。
. F7 n4 z7 Z, Z
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
8 j7 w8 y/ b( ^& v& O' c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 J  i# y' r! |& v: o
. r* U; d4 B% j3 {- T4 q或者把b但的起点改为1试试。 ...

; f( B* \! `% @& F% s' @
6 G6 r7 ]3 Z0 _; C* U! b你是对的。
5 h" W! I7 o' ~# A去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
7 G( h8 Z9 L# G* K
循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
- r. v3 ]1 f7 h, r! 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。