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。
0 j0 G, }2 S  [6 ^7 `7 BPytorch 下面的代码做最简单的一元线性回归：
* o5 T' l8 f0 T/ W----------------------------------------------
  I+ r7 P, \( D0 ^import torch
import numpy as np
0 H; `, o* t' M( P. qimport matplotlib.pyplot as plt
import 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
- h- h5 ^% M6 Zb = torch.tensor(0.,requires_grad=True)
6 |+ {9 X9 g, ~8 [9 `/ i) C
epochs = 100
1 N7 C& d. {% d1 R1 A' T/ T
losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
1 E. A& w* \' V2 K7 Q  y_pred.reshape(-1)
& Q/ f! x( [- T' P8 v& p* d
) a2 S# D4 M6 o  x  loss = torch.square(y_pred - y).mean()   #计算 loss
( Z* W: F: }) h( d2 r  losses.append(loss)
  
4 H; Z3 L/ x$ S# I$ r  loss.backward() # autograd
  with torch.no_grad():
$ I5 z! e0 j# {) `: n& ^- \" U    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
" G8 {/ g% |: P9 g5 h* i  w.grad.zero_()  
  b.grad.zero_()
" X! D% ^9 E1 X+ O: D
* }5 q" Q& G1 Z$ Cprint(w.item(),b.item()) #结果
6 }" O8 T' ?' y' m$ Q; R5 [) p
1 A% ?  J3 o) ^6 A7 JOutput： 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。
# ?7 z4 ]1 V: t" `8 Z4 G% Z高手们帮看看是神马原因？

老福

) j1 L& @8 y3 T1 n( d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？
4 _* v, }, W6 O! I( k3 O-------
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
+ S4 }4 S1 _/ F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？
% A6 @# t/ g  k-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
2 P) h/ i5 M/ {, y# a+ m( s5 K& h: U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
0 W( H. y$ H# H1 |$ q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 ...

, |1 W  J+ ]& [* ~( h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
  P  M- ^- u2 Y! _0 U0 W* B- `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。 ...

* v, A( d4 r6 k: e" ~* a; y% l! b; T
你是对的。
6 Y0 I9 S3 e5 \5 E( ?去掉了随机部分
* O" f/ l" d/ y* E  z# [$ R#y = (x*27+15+random.randint(-2,3)).reshape(-1)
. s8 p+ n6 m) C/ N# ]. My = (x*27+15).reshape(-1)
6 U0 ]$ m# j$ L* K. r
, V  G( ~- i  y% l4 F; ^$ f6 `. n5 U循环次数加成10倍，就看到 b 收敛了
# j/ @- {7 E7 _4 G# A, w% H) E2 aw , b
27.002620697021484 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。