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。
% ^" ?+ _) r8 x# c% h( \Pytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
' G- {+ B8 ~3 D& S2 J/ k+ Limport numpy as np
import matplotlib.pyplot as plt
7 ?" O1 a& ?9 a+ ?import random

x = torch.tensor(np.arange(1,100,1))
5 c0 \: m/ L9 ?0 Xy = (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
! F& M1 ^! p1 O, {! Lb = torch.tensor(0.,requires_grad=True)

+ x( c; E) g9 P' \epochs = 100

1 ^! B+ U" a8 l. E* X+ w* Vlosses = []
9 _0 Q6 P6 @; Y5 ]. cfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
( [0 A8 g( A  r) s
  loss = torch.square(y_pred - y).mean()   #计算 loss
* t" C$ ~/ D: R  losses.append(loss)
" A9 F4 K( m2 C$ O- Y; Y  
2 G6 z" c# D9 x0 R) x$ n# ?  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
- I, q& h1 d4 M$ ?1 Y( P" j9 G  w.grad.zero_()  
+ |5 F. H' @$ G& e) J1 M  b.grad.zero_()
2 P7 r. P$ ], f* C3 k7 ^. R, C6 |
print(w.item(),b.item()) #结果
* w. [1 }$ K7 I* Y
Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
$ b. e8 Z( q' m$ Y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。
+ f: M% n0 }: \2 l高手们帮看看是神马原因？

老福

* O* S* O% b! k0 H# }# X1 f
! H( f4 I: H( P8 W0 m" \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，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。
/ o: i9 G7 N$ m2 W8 ^-------
4 w9 O8 B$ L' f+ P, e6 Q- @& e2 x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
  R( F! H% G: {  o9 O( e1 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？
-------
不好意思， ...

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。
) ]0 k: Z5 F- g$ s- B- q2 j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 ...

& C4 J  O: ]) R
5 V/ X3 K! O, e- a: ~1 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。

  |, L, j* |9 s) |# \# |或者把b但的起点改为1试试。

雷达

6 t* x4 z$ k. n% _+ Z  k

老福 发表于 2023-2-14 22:00
5 {  T+ @& F' b8 N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。

8 L. c3 \9 Y, z6 c3 w或者把b但的起点改为1试试。 ...

+ C: J! ^2 r, F% {1 V2 s你是对的。
, I6 `. w  D: x8 n7 z' p' X% Z去掉了随机部分
1 Y& a; w2 M) A: l6 g  j( ^#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
( l* d) U' V! c9 l! [
循环次数加成10倍，就看到 b 收敛了
w , 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。