继续请教问题:关于 Pytorch 的 Autograd

雷达

1 S) _  x! O+ w3 ?6 U1 v
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：
& {6 n, R  A# `----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
0 v: t* k  f# F( {4 l! i1 b3 Aimport 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
0 p) ~" S( O- m6 v) D" ^
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

2 g# Y/ v8 P4 ]epochs = 100

losses = []
! B; I0 X- L8 f$ H: ?$ B2 f5 T" d+ ffor i in range(epochs):
; d$ Q4 o( B$ d4 l/ m% `  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
3 K5 ?3 z6 W" y  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
0 i( @* f' I- U& W' L9 z2 W: ]: L    b  -= b.grad*0.0001    # 回归 b
, F3 Y8 w! H% N$ {  w.grad.zero_()  
" l8 G' a/ }. e7 m; w) i1 H  b.grad.zero_()
7 @- P: D* y, b5 i1 K1 ]. z, |# t( w
" ]4 p' ~8 b5 _( T/ v& u7 c) G, hprint(w.item(),b.item()) #结果
% `9 D, Q. G; r) ~) {$ h4 v5 e
Output： 27.26387596130371  0.4974517822265625
: Z; c1 K4 ^& Z----------------------------------------------
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？

老福

/ D  u+ |; u$ p' g8 M2 m( m
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？
-------
0 S# Y: L( ^' O, j/ ?' Z2 E2 G' n6 N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。
-------
6 P6 d2 B, X; ?5 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
4 M. ~. U% V2 f/ G9 g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？
; W' l; v9 p% f0 v-------
不好意思， ...

$ ^) p# v, O2 X) K. r% N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

( H8 i* T& W9 {: e

雷达 发表于 2023-2-14 21:52
* t8 G3 d1 o8 B6 s. y: o谢谢，算法应该没问题，就是最简单的线性回归。
5 ]  N  v* a+ `& n- k+ A1 ~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 ...

! ]! G; }: T) o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。
: ^* f7 K3 l* J4 q
# G8 i6 |6 y1 N* @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
7 q8 E" T2 s7 h+ V3 G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。

或者把b但的起点改为1试试。 ...

9 K& W' o% K7 X
; _6 d6 v3 p  K) V* {你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
, F2 X8 n" y2 S  N; vy = (x*27+15).reshape(-1)
2 w! |. g' q, I: {
& T2 c7 ?, U0 S" H- m' s循环次数加成10倍，就看到 b 收敛了
3 q, W# S/ K! k/ M* x/ xw , b
' [* K6 A0 ]$ _$ c2 x8 Z# u7 @+ e27.002620697021484 14.826167106628418
" o3 I! w( A5 z$ N/ P
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。