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。
; f' g8 v1 S/ {6 Z& W9 F" mPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
$ B# [& u% \) eimport torch
9 j- v( H5 |- ]3 himport numpy as np
8 W. F8 g9 j- u/ p+ Bimport matplotlib.pyplot as plt
import random
( |7 F' t) I4 g1 O! {
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

& ]+ V/ w1 `, o3 W/ B$ V7 Aw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
+ o1 f/ E: Y9 _# c. X. nb = torch.tensor(0.,requires_grad=True)

0 x8 _( z* X! L5 M$ c. f% `# w" Gepochs = 100

. M0 M3 Q& s4 A3 N  v, E" x7 ^* alosses = []
for i in range(epochs):
5 ]0 R, v, u2 x; ?3 N: l  y_pred = (x*w+b)    # 预测
6 Q: A; r9 ?  M' j( ~  y_pred.reshape(-1)

. t# }# l. d: l) R' g( B  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
8 e6 |; I) \4 J1 F9 q3 ]1 D  C; f  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
) u% v- k! t: r/ ?) k% W1 O: t9 K- N" I  b.grad.zero_()
7 e% y0 }  I: B2 t. d
print(w.item(),b.item()) #结果

' C3 }5 O- e3 w2 V# yOutput： 27.26387596130371  0.4974517822265625
& P$ @6 x6 j6 u+ ^* J$ \----------------------------------------------
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

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？
-------
. o6 X1 N/ I% j, {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。
-------
- f, p0 |* F- @/ e3 s3 T9 W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
; E$ `: V* R" Y( T; ^8 }3 B8 [+ T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
0 |# F9 m* z# _" D+ r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 ...

1 b" m* {; b) V4 u& L
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。
6 `) m) C, c+ K
. H2 f+ I5 w" E  d/ K/ D' U) X或者把b但的起点改为1试试。

雷达

) b! u% S2 X, L0 e

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。

或者把b但的起点改为1试试。 ...

你是对的。
5 ?7 h9 Y9 `' B4 p5 m) a1 ^/ b去掉了随机部分
9 `- s6 n; h/ c) k: a#y = (x*27+15+random.randint(-2,3)).reshape(-1)
9 s  W- j0 v2 P9 S$ I( {: {" [y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
1 ^0 _3 e" v4 kw , b
" e8 T: H3 c* I' n27.002620697021484 14.826167106628418

- u& z' V0 C  O  X. T0 k6 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。