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：
( x( D" _5 N2 x9 k----------------------------------------------
  K# H- B. O7 Eimport torch
import numpy as np
import matplotlib.pyplot as plt
) J8 [8 t* l4 l' p" Cimport 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

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
' O3 `* U( k! d: @; kb = torch.tensor(0.,requires_grad=True)

epochs = 100

losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
7 ^" C2 T4 ~) W! W- ^
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
8 k: A& N; E' s, R3 b# |" ^% a9 \  with torch.no_grad():
" c7 I/ f+ [9 t, Z$ ?8 v; ]    w  -= w.grad*0.0001   # 回归 w
7 K% r; a+ ^1 v( Q" `4 J    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
/ l1 I$ [0 x7 b% n' B) L  b.grad.zero_()

  }) l  g1 M# `: m1 T( t/ ^& N3 ~8 Fprint(w.item(),b.item()) #结果
& K% E& |0 |5 P
, F% ~2 a6 g9 e) ^& L4 x" k, tOutput： 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？

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？
5 U! X4 V) ?$ K-------
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？
7 W% }/ h4 V5 R; o" L: f-------
不好意思， ...

/ r2 }  h8 ]5 [4 B0 @: A2 Y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
  E! C. p4 J7 p& t* k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 ...

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。

) ?6 u6 c: x4 }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。
; _9 P! g  g4 _! M
$ U$ N) h* i1 a% k/ |* R或者把b但的起点改为1试试。 ...

6 Q1 X" y* _( S! F& u6 P2 N
  e" z  p7 b0 ?你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
5 _& Y0 B# c1 y% ?/ h( Ay = (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
. C- @$ W; }0 r) K7 P0 L5 l
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。