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。
Pytorch 下面的代码做最简单的一元线性回归：
9 _- P, J" W* k$ v' W: V% M! i----------------------------------------------
" ^' B7 a  }9 l1 G. i: a: @import torch
2 Y! H! ~1 Z  n& Y7 fimport numpy as np
1 o3 K- w) D  r: H/ A1 pimport matplotlib.pyplot as plt
import random

x = torch.tensor(np.arange(1,100,1))
0 d$ A6 @7 [$ u- w! Hy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
5 [/ o! c  c; v  R! {  C( l: E% x* q
6 @0 w. I* Y7 K  A0 E5 D+ Rw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
  F% l* J5 e3 J5 z; Db = torch.tensor(0.,requires_grad=True)

epochs = 100

losses = []
% Q  y# H) r3 H  Efor i in range(epochs):
2 Y! {" g: Y$ {! y  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

* t7 X  A2 u6 J; F! [$ b, ~  loss = torch.square(y_pred - y).mean()   #计算 loss
  T2 z- t0 X3 y, [* }! Z  losses.append(loss)
" _+ O  g+ {6 y  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
) \3 Y4 t8 d( \( r7 a  w.grad.zero_()  
& U1 A" O  n. z% @  b.grad.zero_()

print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
8 U# e2 Z  @0 J6 j1 O# M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？
3 G9 L  D) T4 ~/ o9 c: {

老福

3 X' e% q! n2 m1 E; p- I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？
/ ?" r, I- Z+ P-------
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。
+ p% o, ^0 N  h* i-------
3 ?; F; n5 t5 I3 H' 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
) L( f1 p9 k7 m/ |" p0 F6 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？
2 G# t+ a2 U6 x! Y8 x& _* U( {-------
8 s+ q; l! Q; M$ J& v0 }" [) c不好意思， ...

" z( M6 A5 D, z$ I4 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

# Z3 f6 \) H9 v

雷达 发表于 2023-2-14 21:52
7 U3 e" f4 b7 I谢谢，算法应该没问题，就是最简单的线性回归。
( B$ U# r5 x6 h) H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 ...

# f7 W- D& \; W
/ C6 N$ M! E0 {; V+ W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。
- [% Y6 Z7 b/ J# P
或者把b但的起点改为1试试。

雷达

/ c6 U) ]/ T8 s% @: x% t2 w

老福 发表于 2023-2-14 22:00
8 K0 y; f$ ~; Y- a' F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。
7 S/ U8 ~1 B" A
或者把b但的起点改为1试试。 ...

/ C$ A2 f& W8 }
) c' j6 O0 g4 H3 c你是对的。
& X& {3 w# G/ X5 s7 p; b去掉了随机部分
& G& d/ ^2 N' B( ~) v7 D#y = (x*27+15+random.randint(-2,3)).reshape(-1)
/ c9 \% W7 d/ W$ B4 h: l7 [y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418

3 P* M2 F4 e: |" B0 i6 P0 C4 I4 n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。