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：
----------------------------------------------
import torch
. d+ ?' r' ~& Jimport numpy as np
( `, n3 @0 B0 Y5 K( _( M: bimport matplotlib.pyplot as plt
import random

$ ~* s" o* \* H4 d9 n& y- gx = torch.tensor(np.arange(1,100,1))
/ H' g, P9 A3 G% P- B7 O/ {( \/ Wy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

& Z6 k/ K, R/ X" h& aw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
0 B) c# w7 l& a2 m3 Lb = torch.tensor(0.,requires_grad=True)
/ @. f7 J1 c  l7 }* j* f
epochs = 100
6 i% ?2 t/ t+ [
losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
5 G7 P8 F# v# w/ a  |  y_pred.reshape(-1)

# E; U, w( B- l. ^& ~. A  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
0 G4 k& P+ ]* m7 R7 l1 L  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
: s: n4 v7 K; Q  }* d3 _9 F  b.grad.zero_()

print(w.item(),b.item()) #结果
/ k" n5 H  e; o' r3 g# w2 i4 v1 @7 a* ^
, L- H* h: z, q: r, tOutput： 27.26387596130371  0.4974517822265625
) }+ V/ y7 D7 S; S/ V6 R6 F----------------------------------------------
5 s+ J$ ^# ~+ c! l3 \4 J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

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？
5 M" ?# T' s5 [-------
$ Z3 }4 l1 D1 |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。
-------
* I' E& [: [) m; O5 ~6 C3 ?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
! W0 U9 q3 ~1 V: ~( ]9 `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？
% a" J* a0 o2 x6 W: i( C6 E-------
不好意思， ...

2 G; d5 H  r) S6 z+ B) {! h谢谢，算法应该没问题，就是最简单的线性回归。
& g7 j$ _, J' y# z9 z+ U  o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

: v& e4 V: P; W; S* h* |

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。
* M, e0 h; T+ u- \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 ...

! l& f  K% X4 H& c( {$ m6 P% 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。

: e7 A$ _2 {1 S$ H3 N7 S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 R. P! s+ m* W. D! n- T0 f/ r; P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 x2 u2 W5 P& M! A) Y: p1 u% J或者把b但的起点改为1试试。 ...

2 d8 C) A/ V: f% O$ `! L
- X9 k* Y% F* O+ ^& V你是对的。
去掉了随机部分
- j8 o5 H1 Y) R) f#y = (x*27+15+random.randint(-2,3)).reshape(-1)
8 h* o0 P) W* Y. P( \y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
$ }: q+ n6 T5 \7 z1 Qw , b
27.002620697021484 14.826167106628418
6 X* e6 V4 Q! v3 l
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。