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。
- y( @6 Q; {; e8 ^  APytorch 下面的代码做最简单的一元线性回归：
0 Q# E  b6 D1 V; C9 m/ J+ {----------------------------------------------
/ i$ i& u8 J# `2 P1 Oimport torch
import numpy as np
% ]% x9 L* ~/ D- }( P+ pimport matplotlib.pyplot as plt
8 {+ j' N/ c% N5 v7 Ximport random

% `1 j1 }# U5 |) ^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

9 r+ A# y- w- }: @w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
2 I( ]7 V; r6 ]4 x0 N8 [b = torch.tensor(0.,requires_grad=True)
/ b& o9 J) m( z& t  W4 b- @8 P; U4 o4 H
epochs = 100
1 ]7 m. h; a7 m. j8 W4 h
" f8 ^% N; t5 n. K- Blosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
0 Z3 |) C$ m& ^( }  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
; C- `. }- F0 v  losses.append(loss)
  
  loss.backward() # autograd
6 D/ M/ C$ N1 M8 b, j8 \" g  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
9 A2 z4 |1 R7 H( b9 ]  Y( g  S6 ^5 K/ `    b  -= b.grad*0.0001    # 回归 b
) j( B# k: U' W5 W( F$ }  w.grad.zero_()  
- g8 P/ W  t' P2 c: b  b.grad.zero_()
3 D; _7 G. h' ^6 |; }* {
print(w.item(),b.item()) #结果

0 z! l1 ~% G- M0 J- S- xOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
, H& `9 E- T5 S4 ^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。
# r1 Y) I7 F: `6 l5 B3 e高手们帮看看是神马原因？
$ o1 X/ U( O- J: S

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？
$ \0 t% Y9 V$ h4 D! w-------
, y4 S! D; B" q5 \' d$ m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
$ w& `5 j$ x  [' G( w2 ]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？
* ^0 c; Q& A, A3 J: r-------
不好意思， ...

& ?- D2 `$ U  l+ t" v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

5 y; b: ~3 Q% `5 l0 a

雷达 发表于 2023-2-14 21:52
  Q8 @% B  m5 B( g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 ...

$ Y  [. h! V3 S0 N, S: O
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。
7 h6 i7 W( t. q6 u* X4 G- u
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
( m1 G% u* b9 W7 a- W+ r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。 ...

你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
: n- V7 w. X, k, Y* N" \
循环次数加成10倍，就看到 b 收敛了
w , b
' F# z6 N& C% f8 G27.002620697021484 14.826167106628418
- I9 S/ S5 ?3 l, @! p
' b4 k. i; ~! h. ^* {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。