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：
----------------------------------------------
import torch
import numpy as np
! O7 d# W- `% r6 T. b. d! t4 c. ]import matplotlib.pyplot as plt
  o  I; S( j8 e  Simport random
( o2 ^8 S5 M: X
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
/ |- e. d: Z8 k$ S0 W) W2 |
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

% I4 k" Q5 w+ o. A9 gepochs = 100

* K; M7 u( ?$ y7 ?losses = []
9 r% B4 c8 L& y  J3 cfor i in range(epochs):
2 ~( J  g7 F; K2 f; g) m  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

) C8 }! U8 T; D* [* p* ?  loss = torch.square(y_pred - y).mean()   #计算 loss
: N6 `, h7 z* d  f! i  losses.append(loss)
5 p/ a4 z! w( ], A% z7 q6 C  
  loss.backward() # autograd
1 ]$ V$ P' n% v- [' T  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
& G8 S8 L0 x' {7 q  b.grad.zero_()

$ a8 t. l, t+ y8 Z% oprint(w.item(),b.item()) #结果

Output： 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？
9 F" q" B1 S9 o8 E4 ]' C" d/ M3 F-------
9 _2 i9 J9 C; _8 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。
-------
% O6 Q" l2 V1 x& R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
- x, ~4 r+ f7 f! V  d" T% 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？
9 B4 |- A, N( A-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
" S( k- D) B/ w, }) g6 B. p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

7 l( Z* f/ D5 w) F/ M, v

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。
, C' F6 s# F- t1 Q: l9 ^. B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

: t7 z) T1 l! K; ?( C

老福 发表于 2023-2-14 22:00
5 ?3 O# x$ z' ^1 ?8 |0 u  [, }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。

% t$ W$ C7 g2 x( U  j或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
5 E4 M# z3 [0 y#y = (x*27+15+random.randint(-2,3)).reshape(-1)
! J, ^1 k4 C* T& o; _y = (x*27+15).reshape(-1)
* r* p4 Q; c7 H2 K: I8 q3 Z
循环次数加成10倍，就看到 b 收敛了
w , b
5 F- g7 ~4 U! C& E/ A' ^3 V27.002620697021484 14.826167106628418
3 [5 ]1 P, x( B$ b* y/ L
, ^3 {) T- b" T7 o6 F, H) S2 t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。