继续请教问题:关于 Pytorch 的 Autograd

雷达

1 g! `: Y) S  R: |, I5 d
为预防老年痴呆，时不时学点新东东玩一玩。
Pytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
, C: r1 H' I" e# B+ Nimport numpy as np
import matplotlib.pyplot as plt
import random

5 D+ Z  y0 E: S, ]. \4 rx = torch.tensor(np.arange(1,100,1))
! i3 T' B( a' B0 K/ Hy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
) o* e; C/ q1 g4 P4 o( P0 V# P
. H! f) H' y6 k1 M1 Z' h1 D$ C4 bw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
( v" Q0 J8 d+ L  S! X7 L8 t; _b = torch.tensor(0.,requires_grad=True)

epochs = 100

losses = []
9 I) C2 [5 o4 j7 yfor i in range(epochs):
8 r5 ]1 m" v) x$ m6 V  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
" |6 f( J* ?& z
& b7 Q( D! x' w0 [7 \  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
/ `0 F. c  c8 l7 e' A6 V& m- P. J6 r  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
/ m4 i$ z9 g% Y  n7 p1 E5 b    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
9 s* r, \4 l! T# o1 X
, \" b3 B- d  f- [' H6 A, jprint(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
' j- C$ a, y7 z# |----------------------------------------------
' }2 E- N9 {) A( j. J# V* ?; q# j% K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

* _4 i/ ^6 H1 d% P0 [* T; h( N; z
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？
8 W8 r9 B5 c" p! q2 A-------
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。
2 s% H1 v) d4 P/ ]-------
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
4 h# P) d2 r2 r: I7 W' x* R6 {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？
' T, l2 U8 i1 B" ^7 E; w3 A-------
1 A! u% B5 f  [) V5 \. ]1 L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

- ~4 e) V, M, O! j& W; u4 ?4 f* R

雷达 发表于 2023-2-14 21:52
/ M; v' L% i1 b% Q+ t, 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 ...

9 u% y3 h+ W! ^  U. _5 S" H* T
: H: A. O* M2 Y7 ~8 _# @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。
& _) z; {0 p3 M4 j7 p
. l, [7 l) c; |; {  V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
4 o6 V9 S. g% I; e6 i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。 ...

5 Q& ]: f$ ?. m; D9 v你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
6 u( q, a# ~# n$ W, n6 g4 v, wy = (x*27+15).reshape(-1)

! L# u& o: b' e4 W. g, T  _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。