继续请教问题:关于 Pytorch 的 Autograd

雷达

7 P; x% i0 C( S, q$ ]为预防老年痴呆，时不时学点新东东玩一玩。
( P1 Q( |! P. d/ _Pytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
7 a3 p. E# I: {4 v8 B4 d8 I5 himport numpy as np
8 S/ g" o6 C4 y; L% Q* |import matplotlib.pyplot as plt
import random

; ?, b4 Q9 N! R8 }x = torch.tensor(np.arange(1,100,1))
$ t& K. d( e+ s, o) q4 Z6 f$ sy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
5 f. q1 e4 j0 S1 h
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
& S+ W3 d, ^: x; P  Bb = torch.tensor(0.,requires_grad=True)
% }" x! d0 _5 |# W3 i* Z4 O+ c
; H, ~- f2 s1 G! zepochs = 100
# A, N) T- i2 ?( f( |) z# q/ A
4 @% A3 W  J8 {. Y' }! dlosses = []
( m; x8 r7 i( @$ t2 k) ^  ufor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
, U! x  ]* J+ [7 U2 e. ]* {
& Z$ b/ @& L" V5 S5 h" o! F) C  loss = torch.square(y_pred - y).mean()   #计算 loss
# k4 r: D8 S) C8 {  losses.append(loss)
" C/ f5 G, r# Z  
  T1 h! q) }, J% R/ Z3 L( Y  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
: H9 C* }: T% b9 y* x9 I" t; q7 O  b.grad.zero_()

6 b$ f7 `; n! P! Mprint(w.item(),b.item()) #结果
  J  i, E0 j( Q% {" x
Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
8 O& B. m( F) C6 d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。
- u3 ]& |6 F4 y$ E高手们帮看看是神马原因？
: H' l* ~: D7 W

老福

+ e3 m" [' i& E" x! V
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？
# K& c5 {  r3 H3 Q& E-------
( ]3 r8 p" S9 T$ U" ?* w. n6 ~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。
8 h) O8 W5 W0 O, q: ^-------
4 c+ A2 z$ f  Z1 X8 ?2 N; h3 @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？
-------
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

& G5 j) m- q0 P: _8 v1 g& Q

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 ...

9 G2 B  T6 w0 ?; j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。

# x8 f+ H, C: Y4 ~/ n2 |/ R& H; p: T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。

或者把b但的起点改为1试试。 ...

. r8 G8 F' t: v6 X
你是对的。
去掉了随机部分
6 n" H/ H3 r8 v: P  f3 }# i5 ?/ Q#y = (x*27+15+random.randint(-2,3)).reshape(-1)
! G0 W; U; g6 `0 S. q$ xy = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
6 x, @( k: v+ d. d- n9 Jw , 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。