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
# I- C+ Q  `: o' w  P. d. ?; Rimport numpy as np
import matplotlib.pyplot as plt
* L/ z  j* _* f& B7 x/ ?8 eimport random

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

: h  R4 m7 {" I1 J0 m; }5 r" Pw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

( U. u% ?: k3 G5 F; {epochs = 100
& g1 e' Y+ R9 k, w% s' h
losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
0 m5 }. I/ O5 O: L% c' k
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
4 x1 X$ p0 h4 l+ u  W4 ]  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
0 p; Y% c9 s1 k    b  -= b.grad*0.0001    # 回归 b
% U  J: J, O& ~+ n  @* G  w.grad.zero_()  
  b.grad.zero_()
$ n& O+ `' @- l: C8 u9 l
print(w.item(),b.item()) #结果

3 l$ J: F, h0 v5 [+ rOutput： 27.26387596130371  0.4974517822265625
0 |/ A' b. s& g# o/ C! d/ c: V$ {9 a----------------------------------------------
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？
0 E* y* [( x. J& r- W  h

老福

0 x$ U. j0 X2 _- j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？
-------
3 j+ c! h1 M6 n* M: w4 G6 F, g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。
-------
, p  P( }, X5 G! z  W. B. r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？
-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
) |5 p/ X) A) W  E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
( i* }/ I1 u# r谢谢，算法应该没问题，就是最简单的线性回归。
' E* f- [% y* }: V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 ...

! |/ Q' ^2 b" G9 x- U
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 {4 s1 L( y+ X
8 A; l- E" r  `' W5 K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。
$ H3 T; P. x8 v! ^* }  ~6 {1 H
5 H8 d! q' L4 L* Z; z或者把b但的起点改为1试试。 ...

" h7 h1 N1 B; t* D
4 c1 J& ?+ z2 H+ C) t% a你是对的。
: o1 x/ T2 B3 l9 y$ C9 Z( n+ M. Q6 V去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
" \; S4 Q! u5 W5 @4 G& J( e3 }3 x9 [y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
6 g. S" [: A' u; z
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。