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。
7 i; H% c) z3 s7 uPytorch 下面的代码做最简单的一元线性回归：
8 D* e" q& k2 J# x. Z. p----------------------------------------------
import torch
* J- w% k8 v' j- z- wimport numpy as np
* ]% [/ u, q7 S7 r( S3 z, W- [4 ~import matplotlib.pyplot as plt
import random
5 P# l1 a& R/ K+ ?8 B- V" e- N
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

* n+ i9 C2 r/ K) Ww = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100

4 ]$ o- z% X7 A% b4 H, u1 Mlosses = []
+ {9 y8 A$ z' |' yfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
, ?% }( d1 c* [  y_pred.reshape(-1)
  j$ s/ c% W. W3 i/ J) Y% c; ]3 T
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
/ T, R3 a5 n! R- a1 s) I  loss.backward() # autograd
9 B/ P' N1 X9 \5 k' j# @7 p  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
2 F" J7 z+ O2 n$ u9 Z7 V  w.grad.zero_()  
  b.grad.zero_()
- Q+ y# L- O: B% Q
% |4 l- J7 i+ Z; S3 Lprint(w.item(),b.item()) #结果
. j: E- M( s, p9 u$ d
Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
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。
/ ]  p8 s' C) H+ h1 |3 R高手们帮看看是神马原因？
+ @7 J/ `% l: R' }' W

老福

4 m4 z9 ]- Y. r4 U$ t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？
" t3 Y1 @. A8 d: T& H-------
$ [. |  d+ d$ c& }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。
-------
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？
9 X$ F% F* c0 R6 T- r% I1 Z9 X-------
不好意思， ...

  Q0 p* B* z3 i+ X) S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

, X! N" d- `) t5 {

雷达 发表于 2023-2-14 21:52
# z+ F; g  `+ `" F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 ...

! U9 p6 r( j2 R$ q5 Z
/ @1 P. F! }- A, b  v6 R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。
: A2 I! {* l3 m
或者把b但的起点改为1试试。

雷达

; U7 I- c0 W! P2 i2 t

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。
4 I. @) n3 w9 I- t6 ?
或者把b但的起点改为1试试。 ...

$ @0 T5 D2 e/ m  _" a2 q% z$ V
你是对的。
去掉了随机部分
. J# B6 r: F+ i- p5 n#y = (x*27+15+random.randint(-2,3)).reshape(-1)
* @$ o1 d- }6 w& `9 O; ]y = (x*27+15).reshape(-1)
, {. G; n% c. H$ U. i; I
$ {* J. O" u) Y$ a& Z循环次数加成10倍，就看到 b 收敛了
; |. C1 R% S7 I: ^9 g# I2 tw , b
" q3 a0 u% T% x5 F: D27.002620697021484 14.826167106628418
9 V. \6 H6 P5 I! ]7 _
7 J! a# g9 l7 m% ]: n8 B" T8 J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。