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。
4 g: H$ N. k+ Y" j% WPytorch 下面的代码做最简单的一元线性回归：
- [* I" ?1 \9 r7 t6 [, c----------------------------------------------
$ q' _/ ^' N/ dimport torch
import numpy as np
import matplotlib.pyplot as plt
import random
2 N. C0 Y' s) {6 ^2 l8 M
x = torch.tensor(np.arange(1,100,1))
& r7 I+ l  [+ n$ G3 By = (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
& K& G" X1 t6 Yb = torch.tensor(0.,requires_grad=True)

epochs = 100

! F, t8 O) U1 i) \losses = []
for i in range(epochs):
2 a" m7 c6 X9 D: S8 }' M' y) H8 O) E  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
3 a( m7 u! i0 R" {& X0 B
! p9 a* p) L) |/ _' |; d  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
3 ^4 q1 D' x; h5 {# |: h# g  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
, G3 W6 I- i& k' S) o  w.grad.zero_()  
  b.grad.zero_()
9 Q, D  X! [% _% V5 G9 y
' c2 ^: ?$ l# ~0 zprint(w.item(),b.item()) #结果

  C! n8 b! t6 G% B# x! aOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
. Y' \  L+ E2 @- h# g6 J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

$ X. U% G9 t9 `0 d& w# w3 r4 D1 b  h
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？
% j7 _* G7 R6 d-------
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。
5 }3 O4 g" X) S% U: m( ?+ d-------
; j' F& p( d- x  D$ i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
* b$ k4 i/ E5 x/ s$ 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， ...

6 n6 V. v% ]/ A: ^) H& X  y" K, 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一下。

老福

) w0 \  D0 k4 {+ J6 u7 u$ g, M) e

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。
" g  |- t- {4 _5 B$ ]4 K$ i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 ...

( l( }$ C- {! F  v  v
" l) x3 ^: s9 Q, i3 L) r! a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

老福 发表于 2023-2-14 22:00
+ q* ^# A+ m# S. H0 I! E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。
* s$ j* Y, f9 n+ z( {5 @
5 v2 g; W& w3 E# {或者把b但的起点改为1试试。 ...

你是对的。
  W# d+ m: l/ V8 ^% r* ~去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

0 }2 H5 T8 {; ?7 z循环次数加成10倍，就看到 b 收敛了
2 @- S0 _8 b4 W- Lw , b
: ?$ t# M( v6 B7 n: L; Y27.002620697021484 14.826167106628418

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。