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。
: |8 a4 L6 @: I+ R: ]Pytorch 下面的代码做最简单的一元线性回归：
$ h: T- K& |, W6 _+ [4 Z9 @----------------------------------------------
0 _+ t/ e5 G/ u3 ximport torch
import numpy as np
import matplotlib.pyplot as plt
import random

5 M) \/ [8 t+ H1 F" Q' Xx = 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
. m( V, P$ l3 p( I
, m$ H6 o  O# \w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
" a2 Z4 W8 e+ s* ]; Ob = torch.tensor(0.,requires_grad=True)

epochs = 100
) N$ R5 ~! [! J
losses = []
for i in range(epochs):
+ x( z( \% i& K% V/ e0 E, m! b  y_pred = (x*w+b)    # 预测
3 d  N4 I5 D4 a1 s- P8 w  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  F9 Q* K# G1 L7 E- @2 [5 F: z  losses.append(loss)
  
  loss.backward() # autograd
8 `6 o* j. _- d/ G0 f6 n  with torch.no_grad():
4 r8 H2 n2 e& s" g    w  -= w.grad*0.0001   # 回归 w
$ F7 ]8 Q: o" o  T8 W) a    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
8 b! f% ?' t/ c3 N0 Z3 o: x/ P) d
) F( L! x7 M8 qprint(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
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？
! p1 t( g; f9 v6 R3 T! i5 z9 {

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？
! n3 D8 j+ H* M% ^" q) F  U-------
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。
-------
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？
- T- o4 z. F0 c5 i-------
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

. p+ O1 i0 n" U" U+ f: F

雷达 发表于 2023-2-14 21:52
4 S1 I1 w' p2 M/ M0 t6 }* i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 ...

3 r. S( E2 R8 L9 S- C6 o* W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 Q/ |4 `; b5 y% u' z7 F5 e
或者把b但的起点改为1试试。

雷达

7 M6 O6 F+ M- ~/ d

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。
& w7 b  c1 \5 s# s& A- r3 z: o; v
5 s+ v1 }, p& m! P2 g" y或者把b但的起点改为1试试。 ...

. {: I7 N, A% E+ K/ g你是对的。
7 y0 x8 D7 ]0 s" ]3 b- v+ H* g' ?去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
8 M5 F% u& t' Sy = (x*27+15).reshape(-1)

/ l7 _* G( P2 g3 Y$ M+ p1 n+ I( d- }循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418

& ]) t! ^% f: ^+ W; w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。