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：
. l3 l1 N: q  w* H+ N4 G----------------------------------------------
import torch
import numpy as np
2 _* S% }7 Y  D  R+ q) ]$ I$ A6 yimport matplotlib.pyplot as plt
+ r+ Y. ~+ a- r! Eimport random
6 r, @/ x' s; p" F
8 {, H& d" z+ G4 r  d" m5 hx = 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
% R4 x  b( N% A% x% A# N
# Y3 _  t& ]  ^% @w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
; p$ r6 A: ~* M
& p, j/ R/ U9 n' Q+ h6 S" \epochs = 100
4 Q" Z* ]' H4 I  b6 V* @
# @& }/ N% |* h$ d% flosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
& r, |3 x. b+ n) s  y_pred.reshape(-1)
+ P6 D3 y4 g' \. I. x# z
4 O/ a; i6 S' B( N# r7 q) m  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  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_()  
  b.grad.zero_()
# G7 C( u9 F) B) N' D
print(w.item(),b.item()) #结果

% h: \& b4 {; `/ s' ~Output： 27.26387596130371  0.4974517822265625
: P& A! }* N7 P% o3 }0 g: @$ W1 u----------------------------------------------
3 `2 ^7 O  z3 j; k' m  U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。
: W8 k+ L, x9 S3 X! l0 z; w) a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？
  _5 ^1 O1 [" }' u1 n8 [' o& K-------
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。
' ]5 U" B# K' ]-------
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
3 t2 O7 O5 a) T# a# B" \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？
: |6 u- g; C$ ~-------
& B$ n* Y7 V6 Q2 d不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
* y8 H% J/ ?$ D( C+ Y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
: ]$ @$ j/ M5 Q! j谢谢，算法应该没问题，就是最简单的线性回归。
4 p: C2 U* r8 u0 q5 m( w9 V# \" H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 ...

% D$ a( B  w* h6 O: F0 A+ U8 N( P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 }" y/ @% y; [/ j' F或者把b但的起点改为1试试。

雷达

( A$ `: ]7 O- m; R& O

老福 发表于 2023-2-14 22:00
1 F; Y) q  A7 ~1 N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。
! d8 |4 Q0 k* u/ J* w. e
- a0 X2 z8 [5 O% w; Z或者把b但的起点改为1试试。 ...

9 k9 y  i, [. a4 q你是对的。
. v  a9 N! p  I8 j: q2 k去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
  Q/ |9 ]4 }* ?! r5 |  z7 g* A' gy = (x*27+15).reshape(-1)

6 n2 d0 c3 Q" u+ o) G循环次数加成10倍，就看到 b 收敛了
w , 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。