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。
8 l) R, @. y8 f1 }1 o. X6 g9 GPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
8 p: A. T# H2 h0 o. |import torch
import numpy as np
, P6 u% g7 ]/ U; m% I' I+ ]* Dimport matplotlib.pyplot as plt
import random
2 `3 A) |3 [$ A1 a6 w4 H
x = torch.tensor(np.arange(1,100,1))
2 X/ E* ^: b4 ~; n& C6 s: w5 Gy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
7 Y7 r6 J+ b8 e9 R1 _2 m& q
  Q+ M0 H- t! r5 Y; fw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
4 i" j" t) w2 g2 u! D8 j7 Sb = torch.tensor(0.,requires_grad=True)
; A: |9 \. c( c
3 K) H+ Q1 l( T6 m1 c4 Nepochs = 100

losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
( l1 @5 q; L0 L- I; {0 |: D  y_pred.reshape(-1)

8 e, y$ K" d9 \4 B* r# F7 x  loss = torch.square(y_pred - y).mean()   #计算 loss
( `: b, n. W, b1 P$ K) {) e  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
* p( B0 w- t& d5 \5 ]  w.grad.zero_()  
  b.grad.zero_()

+ U. [+ b9 O  q. |print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
/ ~' E  ^$ w& M: j3 f----------------------------------------------
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。
9 j8 x, `$ g( |8 y. w- m, N高手们帮看看是神马原因？
% A4 ?7 Y. E. r$ x: X& g* V: y

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？
/ Y/ l7 w1 n" B+ \4 I8 |0 p# Q* v! A-------
  E' h* a% g% o, X" n: l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  S1 `2 J$ `( N-------
' H- a+ e$ T5 o1 h+ d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
2 Q8 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？
- V8 _( ?" l8 K0 p+ Q. t3 D/ d-------
不好意思， ...

0 ~* I6 }5 x$ [) r# c, I! z' q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 ...

% M$ _, j5 ]. U# ^# {# _* Z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。
' D: V- S$ o" {/ Y& }
8 m! F4 |6 V8 t$ c4 d) ]) S或者把b但的起点改为1试试。

雷达

9 D+ y9 n6 O7 O, h- |' f3 k

老福 发表于 2023-2-14 22:00
' T9 J/ J; s5 g$ G* e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。

或者把b但的起点改为1试试。 ...

; |" o; H2 b# f' E' b
! O7 z7 ?  Y4 q1 w- G; `你是对的。
/ d$ `/ Y# [6 X9 H5 H7 f去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
4 p3 z* z: a- Y; ^+ L; ^
. ]; n5 [2 k* A' m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。