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：
----------------------------------------------
import torch
) {6 i% h- U1 T9 N+ Mimport numpy as np
4 m& k* c$ P, @5 R* q. Nimport matplotlib.pyplot as plt
import random
! w$ S; w* @5 K" l) }2 B- O4 R
. F2 u# |) h: i" O  zx = torch.tensor(np.arange(1,100,1))
8 S5 d) J2 Q& U& w0 _y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

4 x9 c6 T' u) D% uw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100

losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
! j% B9 a3 ]4 O" N  y_pred.reshape(-1)

; `" _0 I5 q2 C/ t2 C/ z1 c& k, N  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
/ T* }/ H7 g0 @9 c- }1 s) U/ l  loss.backward() # autograd
, h  l$ i' l) w- }4 Q, x  with torch.no_grad():
: Z4 d& f/ r4 ~  E& D    w  -= w.grad*0.0001   # 回归 w
/ {' {$ X0 T$ `% u3 K    b  -= b.grad*0.0001    # 回归 b
! I+ h+ N' t. o8 d! `  Q* R/ r  w.grad.zero_()  
  b.grad.zero_()
" j2 f. O& ~0 P6 }9 N
print(w.item(),b.item()) #结果

% X2 N6 l' ?' a) \Output： 27.26387596130371  0.4974517822265625
# N- n5 D  H5 s2 |+ P----------------------------------------------
( Y. g: l- g! s" F* |, 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？
; B& V( U9 t* h6 G7 f

老福

2 l: v4 `$ Y3 e# e: @. Q% w3 s
9 i! ~' z! v* {+ \7 ~+ P1 E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？
-------
- u3 j2 q( J: D, S2 ?) |" m# u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。
: P6 w7 e! B& z8 P-------
% y9 r* r0 V4 I( {/ R4 j9 ~+ q- w. X3 l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
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？
-------
: ?, }: b9 M' c' s0 U. G; P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
谢谢，算法应该没问题，就是最简单的线性回归。
' Y8 o, Q6 i* r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。

/ N- F: z9 G/ J或者把b但的起点改为1试试。

雷达

" i; R3 {' q- @/ R* @9 K2 s3 y

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。
4 Z9 f4 {' I; J: X- A; i
. H. Y2 a7 n; y或者把b但的起点改为1试试。 ...

. _7 {+ y3 l; U9 q% Y$ l
你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

( y! J. m5 e9 T循环次数加成10倍，就看到 b 收敛了
w , b
% V# M9 l0 k1 T4 O) H27.002620697021484 14.826167106628418
) [0 K) d$ u! v, y# ]
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。