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。
' B, V; }4 f! hPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
: r3 L( v0 l" `4 ~  b, h0 Iimport torch
9 }$ ~5 P. d2 e' pimport numpy as np
import matplotlib.pyplot as plt
3 B! U0 y0 |2 Kimport random
3 D1 i) l9 z9 a, T+ f
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

4 \0 Z5 y9 ?  U) Yw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
! }3 r; S( C/ b9 v" a# D4 wb = torch.tensor(0.,requires_grad=True)
+ k+ d. j$ m: V  v% E
epochs = 100

losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  `5 G: y, B$ W, B/ g0 R, E- o  
+ z0 g1 f# j3 P5 B8 A: T% D/ B- ~  loss.backward() # autograd
' i' c, d) a7 L, Y& [  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
8 @* x( i% ^/ x( Y  m    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
: m0 ^3 M9 t( s$ l; Z0 I1 q, }  b.grad.zero_()
$ u: X5 c  ?( j5 ~# C7 A4 \. I; k
3 h3 `7 P/ _: c: s* _# Iprint(w.item(),b.item()) #结果
6 x' A* }; D/ T
Output： 27.26387596130371  0.4974517822265625
+ i/ ~! r$ ?4 F& ?" i----------------------------------------------
8 y  U. n* o3 d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？
! C( E9 C! x6 ~0 n3 v- Q, Q! `

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？
; M9 H) p2 _7 d-------
9 C" H/ h7 ?, z, ]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。
, ~" C8 Y7 j; I( l7 W8 a-------
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
" q* q: J+ Z" L2 F: R0 g- o2 }4 \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， ...

; S! z3 K  a4 a) \, b) }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
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 ...

4 B5 n6 o; }- s' u. k! E: a
+ D2 Z4 S1 [. e. v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。

2 w( \1 B4 u7 p& N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
5 F% i% o0 P- G. K- p  i- k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 N& _! y7 J+ ]+ I$ w
3 n* h" Y' _# C' y或者把b但的起点改为1试试。 ...

* P8 s; H! D& f你是对的。
去掉了随机部分
" B9 O) e+ ~% o#y = (x*27+15+random.randint(-2,3)).reshape(-1)
6 H1 D) a2 X/ @y = (x*27+15).reshape(-1)

$ R% ]; g  j* c# U# A  O循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
+ l' e" ~. m+ ~" L2 ]4 {3 U
, Q4 M6 V# R6 j& u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。