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 |7 H1 o- W* e* z5 n) ^import torch
import numpy as np
$ [3 E9 u; V& h2 l4 |1 Simport matplotlib.pyplot as plt
, ~/ N( K/ R; a6 R, N; fimport random
6 G8 P* `7 q$ {! V6 b
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
: _- I: ]$ b8 L! u
1 d' S6 s( {1 Mw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100

losses = []
- q! `0 h6 V5 a2 t6 c/ k3 Cfor i in range(epochs):
6 _% R8 ]3 u6 i2 p/ @2 K  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

$ O/ n- T, a+ w+ u  loss = torch.square(y_pred - y).mean()   #计算 loss
! E5 K! |, ], ?( ^8 F% v  losses.append(loss)
* [  T" N4 J6 u  d- H5 \. K  
! e  A1 C; M" y4 X; E5 ^' A  loss.backward() # autograd
" g# f' l/ C; |( u8 K2 k  with torch.no_grad():
$ r0 N) g+ C, L% M& S) V9 L    w  -= w.grad*0.0001   # 回归 w
+ p* b9 P3 C& v( f    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
7 Y7 `/ t) Z' ?2 ]& d; R+ K
print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
; C7 F3 }7 Y  o& H+ _0 E----------------------------------------------
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。
: I4 e- I+ i" L, [1 v5 N高手们帮看看是神马原因？
+ F, k  T7 S( F2 J7 H& S

老福

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。
-------
/ U! W0 G- ?3 x: Z, K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
7 l4 a' |  c/ w6 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？
8 z; m# U& y' Z& R3 P( G9 l3 M7 A$ @-------
; z5 [. @  c  i' R" v不好意思， ...

( p4 s- U/ P5 s( W1 i; Y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。
0 g# Q7 t+ H0 e2 m5 @& L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 ...

& h  @! F: M2 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。
- o5 _) j* |# t- C( K# o% j2 ?  a: D
或者把b但的起点改为1试试。

雷达

0 P1 B! l1 N0 P3 T. A, D2 S6 ~

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。
* Z3 A  i% o  x  m+ C/ l6 B
或者把b但的起点改为1试试。 ...

1 q( `# T9 a0 N* ]+ V你是对的。
$ C$ Y% C3 N  X! |! l4 x去掉了随机部分
' l. z' |. u$ f. h% e; e! }#y = (x*27+15+random.randint(-2,3)).reshape(-1)
" `. p& i7 b3 z: _y = (x*27+15).reshape(-1)

7 Z7 F8 ?. O& }5 @6 {循环次数加成10倍，就看到 b 收敛了
- U7 u3 {7 r; r, lw , b
  }6 b' N, f+ b8 o27.002620697021484 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。