继续请教问题:关于 Pytorch 的 Autograd

雷达

6 o- i; h6 a: T% d
为预防老年痴呆，时不时学点新东东玩一玩。
' c4 x4 a5 F* f# {Pytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
# H  e( v6 a. ^3 w8 y# ?% zimport torch
8 h* F2 x7 @& m: E/ x4 `import numpy as np
/ u, ^+ S+ W4 {5 m3 ]1 J4 x7 rimport matplotlib.pyplot as plt
import random

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

3 r2 f  Z, ?( Y; }8 P  V& {; Yw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
2 G; J) V1 O5 _1 Z+ r
# {5 P. T% |1 Q8 o5 V: \' V$ Nepochs = 100

6 E: o/ u4 Z6 M" }+ Dlosses = []
  s, T' I. I9 J3 w; _for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
, a" ^" C  n) ]- e
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
. l: T8 X+ ]9 B' P  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
- k* I: m+ q) t2 f  w.grad.zero_()  
" s; x$ Z( O6 k  b.grad.zero_()

print(w.item(),b.item()) #结果

1 u# G: J3 \* W. h5 X# V" \Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
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？
. f" M4 J! u9 b% e' i; C

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？
-------
! E$ F9 Y  p6 d- D. c2 ?4 g: 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。
! r4 ]5 ]* y) Y; U$ U+ g% N+ O-------
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
! |- q2 _* I2 T5 j( {, J# A9 d1 \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？
" M+ Q- ]* u) Q: Q' v; o6 B; e-------
不好意思， ...

$ p+ l$ N: ~+ K4 y! b. j) Z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

8 V+ h. A4 \! m' U$ D

雷达 发表于 2023-2-14 21:52
4 t+ q) j' u2 R: R$ q7 w谢谢，算法应该没问题，就是最简单的线性回归。
  z$ s6 Z( O% P( Y" f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 ...

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。

雷达

老福 发表于 2023-2-14 22:00
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。

( o7 U- Q0 ?- N% v5 g4 n7 U或者把b但的起点改为1试试。 ...

, R1 E9 i  @0 {
3 I5 g4 ~8 S! k9 ?你是对的。
去掉了随机部分
8 f0 C* F  Q6 Q9 G. w: y6 @#y = (x*27+15+random.randint(-2,3)).reshape(-1)
; q+ ]! {% w% _( l, jy = (x*27+15).reshape(-1)
9 p9 @+ {; l, P3 [- |- |0 J, `
. I- t* h  F8 z+ _7 Q! o% d循环次数加成10倍，就看到 b 收敛了
8 t, m) n* J* Tw , 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。