继续请教问题:关于 Pytorch 的 Autograd

雷达

. R6 J9 ]6 ]6 a4 }为预防老年痴呆，时不时学点新东东玩一玩。
) ?' I  k0 C' BPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
+ X" Y3 `/ V4 t9 ^3 \/ C; Dimport torch
1 h$ e& L( g, u: e5 S9 f% Limport numpy as np
import matplotlib.pyplot as plt
* \# T6 W  b7 E. s8 Simport random

( e8 t! S, F( Q1 qx = 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
9 D' X$ W0 y& h1 o- \
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100
7 ]+ H: C) X8 j2 J* I" a, P
losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

, f$ S9 z( o9 ^5 J  loss = torch.square(y_pred - y).mean()   #计算 loss
' h2 q! Y2 s$ g( H& t3 |  losses.append(loss)
  
  loss.backward() # autograd
+ a9 Y- b9 h; Y: j  with torch.no_grad():
4 M# l/ q- D. ?6 l9 {    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果
/ r/ s5 ^9 ?. {
. A$ v1 u) @6 `; t# l- VOutput： 27.26387596130371  0.4974517822265625
+ a, r* m* ]% C4 b----------------------------------------------
2 o0 X' S8 O1 x7 w8 G" k: J8 ]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

" x9 j: g( B4 h: V5 k
+ D" Y& \& u# Y* j( b9 s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？
% \) P5 ~6 b: C-------
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？
-------
不好意思， ...

" i6 K3 V1 b9 E; a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

+ E$ U0 B+ U2 f% ~$ r

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 ...

7 o- V; M' o( {0 W* u0 w5 {( M
3 {: R" G7 c4 c( O1 B8 L1 k7 `" H. d! F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。

4 n$ W4 }  L* i. R/ k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
" G' |; s3 j6 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。

; [; \3 @) F2 D: ]  ^( F或者把b但的起点改为1试试。 ...

) @; x5 t% M8 w* L
你是对的。
- p; U7 F! T6 p$ T2 N/ F去掉了随机部分
+ m) i) Q9 v- o! v5 U) a#y = (x*27+15+random.randint(-2,3)).reshape(-1)
4 H% ~) K* ~3 O; g: I+ Wy = (x*27+15).reshape(-1)
% x: \7 w. h8 J* ^0 I
$ _/ s: ?0 z# H7 i! }循环次数加成10倍，就看到 b 收敛了
7 m9 F& G) X6 Z$ Uw , b
27.002620697021484 14.826167106628418

2 n! Q% F/ Z! q) [6 z4 q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。