继续请教问题:关于 Pytorch 的 Autograd

雷达

& o% ?- S6 _6 ]7 ^* F, d
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：
# P: h. Z9 B3 ~7 Q----------------------------------------------
8 a. G3 ]3 o( m/ `import torch
: S/ O* U- l. ?  J5 C# p" H1 {' Q8 Aimport numpy as np
import matplotlib.pyplot as plt
; O& m# r) t) j$ k$ t5 Limport random

% D3 i3 L) @9 u  U7 ~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

$ v8 f( U: A) r0 mw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100
! y+ ]% V0 D: U4 l
losses = []
, ^" t0 c6 K5 Y. }4 c1 \' ofor i in range(epochs):
  y_pred = (x*w+b)    # 预测
6 u# p; E  n2 U% W3 g/ D  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
5 H" d/ E, b+ c/ r; t2 E  losses.append(loss)
/ B- H1 K* b5 C  
  loss.backward() # autograd
8 v+ `' d( }1 Z$ g3 H% N! }  F% d  with torch.no_grad():
' d$ H, `: S1 X5 o) R* z    w  -= w.grad*0.0001   # 回归 w
  M& }* ?9 m0 t    b  -= b.grad*0.0001    # 回归 b
; ^& [& Q6 y# E/ U6 n" ?! v  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果
; _* q, U( O; ]$ z4 R( u6 j
7 }7 q9 k( a* D+ w* I7 ROutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
, a" k. _  y9 U! k6 ^- z/ L1 |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

* w& s- R- Q- q+ h  _  Q
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。
9 [; \# V5 R9 j( f-------
+ ?+ f9 Z) c8 A9 E3 |" O5 I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
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？
$ J% |. D7 J( i2 ^- _-------
不好意思， ...

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

! b1 V8 I3 N5 n; ?& h' [  R

雷达 发表于 2023-2-14 21:52
- ~4 I0 W; y0 R% V- B9 Q谢谢，算法应该没问题，就是最简单的线性回归。
+ i/ v! H; A* b  [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 ...

& t, C* _1 d6 ^. N+ O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。
9 K5 T+ [& p3 d- e
, m- C$ G4 [! S* H; M0 T; H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 O5 Y7 d- r& 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。

! l! E" B/ E% t$ Y2 T; u; t或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
: s0 p* I1 M! n" f! Uy = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
9 U, j2 S+ N0 a, s0 T27.002620697021484 14.826167106628418
1 e" b0 o* l- J1 ~- e
* T3 G2 r, @( H* t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。