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：
) C/ O# ^" G) P7 V, P0 _----------------------------------------------
! h0 ^- r: R5 b; {# v! zimport torch
/ k3 w' r6 L; U6 d/ dimport numpy as np
! B; A* M7 C$ Eimport matplotlib.pyplot as plt
import random
) I2 z) ?5 q( ]9 f( A
x = torch.tensor(np.arange(1,100,1))
8 w4 q) e" u8 My = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

3 n! l$ Q2 G/ q' i) t0 M2 p! F% Gepochs = 100

5 Z. N5 T, d" C, ~* rlosses = []
. J* ~8 x- c0 _/ a  d% v& }, E. ]for 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
  losses.append(loss)
  
  loss.backward() # autograd
8 S3 ?6 ~4 L! X. u  with torch.no_grad():
7 y" h2 O* x9 i% G5 M/ ~# b    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
2 X  x; ~- y7 k" E+ D
9 B8 G) G. b# p9 zprint(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
0 S1 v& U1 _+ I. a# G0 Y  t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。
! `  M6 j, \# C  k+ ^4 ~6 |& N5 r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？
; J" K6 l$ j5 V) }. q1 w6 @, @% o-------
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。
-------
: q- K, S5 _, _& p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？
7 [# F1 l! t) G+ B0 s9 _+ n-------
+ f* h  Q" {+ N5 W4 ^  U+ o不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
( s- L- c: O; j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

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 ...

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 Q+ I  o, t- o+ |! {& o$ B( g
- t$ E: Q  q) i: |7 v! {- O' r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。 ...

& j5 @  Z  a! u你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
8 g3 S" S+ C. by = (x*27+15).reshape(-1)

, W) W. c2 j1 @- ~循环次数加成10倍，就看到 b 收敛了
: }! _2 o8 b. w- l( o& h/ Aw , 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。