继续请教问题:关于 Pytorch 的 Autograd

雷达

. r, T3 Y* u6 |
为预防老年痴呆，时不时学点新东东玩一玩。
( _' m3 s4 e0 S# v) _% {Pytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
4 g+ U* m) N- d7 Q) d* {4 jimport torch
4 F( t" _0 k* a; R0 c7 c, k; J8 Timport numpy as np
import matplotlib.pyplot as plt
import random

& K) Y% B* F- J2 W! p1 T9 }: Gx = 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

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
$ q& H+ X" x0 lb = torch.tensor(0.,requires_grad=True)
9 s; |& I! t5 k6 I. Z" L
epochs = 100

. G! \  _: M; Q1 k7 Plosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

/ R4 n% I. b6 O; O1 h, Y  loss = torch.square(y_pred - y).mean()   #计算 loss
  ]% `# T$ B+ p4 x5 m  losses.append(loss)
4 _* A- }& b3 f' U3 l2 b6 r0 m  
/ p* c; W5 x/ x( K" O8 z  loss.backward() # autograd
/ @# X" Z$ V+ L: j" }4 E( H  with torch.no_grad():
- [: O% ?4 O6 N% D2 t; C    w  -= w.grad*0.0001   # 回归 w
4 ?2 u1 P3 S: x3 n    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果

: O1 N! Z: K( XOutput： 27.26387596130371  0.4974517822265625
  a; \6 i; O1 n$ n5 K$ S9 E----------------------------------------------
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。
  g! t8 h+ T( ^! u! C5 [) f/ S7 R0 S+ x高手们帮看看是神马原因？
3 ~* n7 {" [* [- N" Z5 V& E

老福

" [5 p+ C0 N  S! Z& i; b. v' t
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，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。
-------
8 ^+ U7 L" X+ S8 B( L# E, }( u) Z) N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
2 A7 M1 ~6 t& o! U. Q4 O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。
/ e; _  L) U' y" [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。
  ^: u5 ~* n2 S7 M6 A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。

或者把b但的起点改为1试试。

雷达

; d8 N- a- e7 ^* R- H# ?

老福 发表于 2023-2-14 22:00
- q, ~: j& ~* n4 S/ 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。

. A: M( j/ M. J5 W- G' ^; A或者把b但的起点改为1试试。 ...

, M" ]. @% b7 y
8 f" O3 F- ?* ]7 x9 p0 Q- r& X6 ^你是对的。
4 a7 r" j9 p, [$ a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
4 o8 A& q  c9 D  jw , b
27.002620697021484 14.826167106628418

8 O6 L/ b# @$ T0 V/ |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。