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：
1 }% H. i: D% p9 W, i" u" G) C1 f----------------------------------------------
( T1 [, L) H% ~# Y2 D; Z% \+ i- Himport torch
import numpy as np
import matplotlib.pyplot as plt
" l) |/ ]* R& ~0 C1 Z3 b! Dimport random
' r5 v: ~* s3 Q' ~4 D: ?, Y; m
& n- H$ @3 Y' r# v" ^) Wx = 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
9 l( U, n2 K/ j1 k) {1 d8 g/ X+ ~9 Q% p
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
0 M6 R4 Z% W, m+ X' J( Ob = torch.tensor(0.,requires_grad=True)

epochs = 100
. {9 t/ h' z+ l% D, p8 I  s
: Q' l9 d: s! A- s+ K$ }! g: `0 z  olosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
' j( D8 F: a/ }9 f$ U3 Z' I+ A+ o  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  L1 g/ v. q6 _: F# ^  losses.append(loss)
) _4 m7 Z  N, e7 a8 D  
  loss.backward() # autograd
  with torch.no_grad():
' S* o3 P, T8 [. W" D+ E+ f    w  -= w.grad*0.0001   # 回归 w
* L3 S$ T3 @! v& ?/ [    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
1 y( }" @" L. m0 X3 w0 C  b.grad.zero_()

print(w.item(),b.item()) #结果

6 N) m$ W) k- ^/ c! R2 g+ aOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
, w# p; h" {  q( J' x( [4 |/ H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。
6 v3 ?; K4 O7 e) J& p. R高手们帮看看是神马原因？
* k' h! c1 j5 k+ g" p

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？
-------
; ~! j, l! g7 T* G9 ^1 R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。
-------
; i% a: p5 Q" ~  b1 r; a- `% ~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
7 V" p" n8 t! m4 e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。
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。
# S* F% R2 o( k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 ...

, E' k3 ^1 Q2 ]# m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 _- l6 Q. k4 K" i' J/ M
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。
2 T/ ?4 M- t) U: h
& w+ N4 ^; E- k' z0 Z, `或者把b但的起点改为1试试。 ...

你是对的。
3 _8 f% U3 Q! }5 S/ V' d5 Z0 J去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
( a( Z5 m' G/ my = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
- r3 U) y7 r+ H/ Hw , b
$ y/ d. L# D' _  D0 U. L4 W$ Q; k7 x27.002620697021484 14.826167106628418
( S, R* H! @/ c; N
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。