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。
Pytorch 下面的代码做最简单的一元线性回归：
% ]- Q1 m( L" R" |  F& g----------------------------------------------
% v& {2 ^# Q7 H0 A0 Z3 M/ \( d- Oimport torch
import numpy as np
import matplotlib.pyplot as plt
import random

x = torch.tensor(np.arange(1,100,1))
8 F0 e- k7 ]- V7 B  f! K4 ]4 ay = (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
) j% L6 m: x- U( G  v6 Sb = torch.tensor(0.,requires_grad=True)

epochs = 100

losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
! k, k8 [* O' G& Z& [& i  l/ ?
3 h' S6 a6 x: _! a0 A7 E+ H5 T" u$ m  loss = torch.square(y_pred - y).mean()   #计算 loss
( X4 [! T/ w4 R  losses.append(loss)
# i: _. n% z+ ]; v6 `8 [0 {8 a3 m  
  loss.backward() # autograd
5 W% `4 v  r5 C: X& T& k  with torch.no_grad():
. W  D  _. C2 r! W* g    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
" y) [2 C2 S2 f, _" p! v3 Q: }  b.grad.zero_()
7 e4 w% F+ K$ H) f# d
" |, e: K* D: @print(w.item(),b.item()) #结果
  X/ N2 V+ m3 `- `
0 R% X2 Z8 T# z6 r) qOutput： 27.26387596130371  0.4974517822265625
/ O! A# L  w3 u, Y3 Q, L6 O----------------------------------------------
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。
" k. s$ `$ W9 }高手们帮看看是神马原因？
, L+ t6 w0 @8 t, d

老福

2 {: X2 `  c. k4 r* R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。
-------
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
; _5 _+ T7 ~7 S0 z% B, B1 G- g& n1 ~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？
/ |: @, ?7 R, o" b-------
5 o6 T5 }3 x- H+ W. O/ N$ d, S不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
! ~) f- S" O6 s/ d  o, V$ g6 R9 m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
/ Z; @& \( `3 `/ ^& n# F7 w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 ...

' H4 b# K8 k. c; w
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

* M- B' U1 o8 M8 T* x0 J7 a7 m9 `

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。

6 F2 |5 n- a% _; S( Z% z或者把b但的起点改为1试试。 ...

0 v9 x. Q9 ~+ ]! J2 ^! F3 \
你是对的。
! ?% x+ E, E  F0 Q1 B1 }7 r去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
+ }4 M  N. V- I
循环次数加成10倍，就看到 b 收敛了
/ v7 v: |8 \0 sw , b
27.002620697021484 14.826167106628418
$ H  f1 k- I% A
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。