继续请教问题:关于 Pytorch 的 Autograd

雷达

$ ?' M5 b- j2 W/ }) u$ s5 K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：
6 H# A9 T. Q3 p' L$ K' g----------------------------------------------
% s# u$ [4 m7 O2 M- u: bimport torch
/ n& _9 W9 p/ K/ o8 F4 i% vimport numpy as np
' B  r, C3 A8 e4 \5 B7 m% Ximport matplotlib.pyplot as plt
. b2 ^- x4 [( A1 J& ^% limport random
% _1 L$ j0 v' X; G( A5 t* U6 h
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

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

epochs = 100

. m% u6 @) M$ P& t" _8 U( Plosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
$ M. b& V4 N9 \  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
5 M0 B$ ~$ _1 T' i7 B$ M& |/ k  losses.append(loss)
  
* l4 v4 `- S  K6 a  p% |" w# i  loss.backward() # autograd
& [3 a7 K$ l9 P# b" J% d& N  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_()
4 D" o( V+ t9 g5 F
4 Y0 y( T- X# P* W* h% k$ _print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
, j! X/ g2 S$ Q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？
% g& i8 g4 w7 F: i& q! \0 D

老福

& m, ]  ~3 u5 g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？
& E: ]- M. S- h( t6 O: n( N-------
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。
) g  H/ F4 q2 H& v2 j! W* ]-------
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
) V% `% B" k& ]; @( c; h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？
' e0 s, X" p2 j-------
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

( b* Z" e8 r$ L- o8 w" 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 ...

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。

( z1 D5 H4 Q" I% S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。
9 [& t) O9 |* i. R3 W1 ]  M
或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
: l9 ]% }3 w$ o5 {" Z' v- V$ e; w#y = (x*27+15+random.randint(-2,3)).reshape(-1)
, ]+ ]  w# B% H1 ey = (x*27+15).reshape(-1)
0 t1 ^- Y- D; E6 H. \( k
循环次数加成10倍，就看到 b 收敛了
w , b
. k" `/ Y! V2 @5 P27.002620697021484 14.826167106628418

+ j6 \6 n5 y2 l+ H4 h2 B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。