继续请教问题:关于 Pytorch 的 Autograd

雷达

8 Y3 g- j- i# n2 e5 ^( W
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
( h6 b% d0 Q( y  T( A0 |& H6 vimport numpy as np
import matplotlib.pyplot as plt
6 N1 z2 W4 D4 i/ X! eimport random
1 }* N4 n2 `7 E7 h
+ i( g. P' w# L) g2 N. J2 A7 Lx = 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
: C  _1 l  \- ^4 ]
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
# t* C' ~* m& f. wb = torch.tensor(0.,requires_grad=True)

epochs = 100
5 f; Y) Z: n: i) f4 b4 V
losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
/ j5 J2 g! A) S  y_pred.reshape(-1)
) s5 O$ N3 p" K8 {& n
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
+ {  g6 n# \7 I$ n0 }% N+ E$ ~    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
# v: E8 Q, C) O& G+ k1 J- G
print(w.item(),b.item()) #结果
% U" \- S9 E0 E! K- Z5 I9 Q
; ^: X4 o3 P3 X% I4 U0 J! R! @Output： 27.26387596130371  0.4974517822265625
, A( U( I/ ?* ~0 w----------------------------------------------
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。
$ g/ T# S% A( ?3 T/ n高手们帮看看是神马原因？

老福

. T$ v4 n3 V  X7 x- D
+ r7 N4 N+ V* n/ X& p6 V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？
* A& v. A5 Y- _" z0 f-------
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
* l8 D# z6 M8 X1 O! N) z& L" V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， ...

& w% u/ ^  s/ C2 J" _# _. d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 l' T/ W7 U& M# F- m

雷达 发表于 2023-2-14 21:52
: B' {+ Y/ C$ J, q( }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 ...

7 d! c9 Y: M9 J" x0 r8 o3 N8 X
4 K: Z# W, N1 m# @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。
. I9 d" B& A, s+ W. T
或者把b但的起点改为1试试。

雷达

, E& w6 k) C  D1 H: g

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。

$ O) N* d, M5 R3 e或者把b但的起点改为1试试。 ...

你是对的。
) a8 x/ `7 b  z( }( ?去掉了随机部分
& k8 }. t0 ~( x' L3 s#y = (x*27+15+random.randint(-2,3)).reshape(-1)
8 b, I9 A8 z. @! K  P3 y2 Sy = (x*27+15).reshape(-1)
5 ?) M4 U/ n/ H3 f) t6 }" y) Q
循环次数加成10倍，就看到 b 收敛了
w , b
% d8 w# {! q. Y4 ]8 u# K27.002620697021484 14.826167106628418
- R4 n( m# o. Q2 ]4 W" t
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。