继续请教问题:关于 Pytorch 的 Autograd

雷达

, W8 Z; p: R# E4 S+ @& M为预防老年痴呆，时不时学点新东东玩一玩。
/ y6 `' X0 p/ o4 t1 |# ?Pytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
  G  B$ _8 M# c0 X- z6 simport random
8 W4 h' x9 q1 q* w. k+ y) K
$ U: S" Z! ^4 Y# C* vx = 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

2 D3 j" l- ~2 O: |- p, R2 b6 Ww = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
0 x# X( H/ b. A
epochs = 100

. m" P$ q# k# @1 qlosses = []
$ [; [9 J( M% W& J4 Bfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
- F% ?' z: H7 X0 X' h3 U. e" z4 `  losses.append(loss)
  
5 A7 U8 r* m1 C4 P  loss.backward() # autograd
" V' O# g* X- J$ ]2 f7 _- B0 D  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
/ V1 k- t6 \; C: ^
3 s$ u0 f* N( E" [5 C+ Hprint(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
8 Z4 t+ v9 _! [3 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。
高手们帮看看是神马原因？
# M+ k; {" e1 M; e3 ]

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 ~- |3 c- z' a  [1 }; `7 o7 N/ d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。
4 k  Z5 f) k6 S# b7 ]-------
7 @' ~( t0 `7 q; \% H, _/ c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？
-------
- u% z  q; l/ y+ Q7 J; o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

- i. Z" _! N, G9 v& K9 l/ o

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 ...

3 p  M: O  M, Q' w& P" U
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。
1 N3 G1 v. Q: r. G0 v& n! t  L: w: M0 K
7 s& U( o1 R) C* c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
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。

2 k: u7 W: d! N0 m8 T8 C. O或者把b但的起点改为1试试。 ...

) l- @1 E, l5 g4 L+ L  r- u
你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

# X' R( I4 v; \, o; l循环次数加成10倍，就看到 b 收敛了
8 s  t" l! x: F* P9 Lw , b
27.002620697021484 14.826167106628418
8 C  X8 J0 v" O, T2 @7 `
3 _6 Y9 M/ G( |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。