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：
----------------------------------------------
import torch
import numpy as np
* I" C( s4 }8 @2 c5 }. u3 Bimport matplotlib.pyplot as plt
import random

7 e3 ]" H( s0 r3 Q! Q  L* T1 P9 u2 Dx = 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

$ S" \! s. R% s% ~2 }! ]9 B5 Aw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
( \8 N7 s  q, I! }/ Q6 w
) V9 K' a8 H# J; d# W2 i. [epochs = 100
7 ]$ E3 S$ {: `, P) W
5 l  K. D1 o8 Nlosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
4 p" q5 b1 x! c1 n+ U  V4 B  y_pred.reshape(-1)

' x: d- e& C; U8 ]  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
5 E4 A0 t( |! E; h  I5 S7 y  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
$ i3 a# F: ~6 P4 a2 ^5 c7 ?8 K    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
# D* E9 v) `4 l# P" p
% r; {& z% k$ j0 c7 }: Qprint(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
2 M0 z& h/ D5 k, w- x----------------------------------------------
; P* \4 }0 b5 z' x* P+ s2 j* B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。
- o$ n2 u/ {4 i0 Y高手们帮看看是神马原因？
& Y' `: e9 a7 m( a. C9 h

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？
( _+ G8 }- q2 W5 a3 R-------
5 H  L: E* y/ r# E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。
' \) A/ a8 [7 n' ~8 M$ v$ |-------
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？
-------
% i+ V" U% y8 s7 P6 {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

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。

9 Y4 s! s( X( K! p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 [0 s% E7 }: T. F4 n
# g4 m0 L  H5 j. o) {4 E- N& v$ j或者把b但的起点改为1试试。 ...

& ~+ D( w6 l. h& E
, m, o' b9 _1 `6 ]8 n8 ~你是对的。
% F: e# }) v$ W5 ]: Q1 K去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
/ l' I3 Z) z4 t' L3 ~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。