继续请教问题:关于 Pytorch 的 Autograd

雷达

4 F8 F5 M# F9 J* A3 y5 E
为预防老年痴呆，时不时学点新东东玩一玩。
& M+ C& v# E5 X8 d" |3 u1 aPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
import numpy as np
& V' p2 f0 D; Wimport matplotlib.pyplot as plt
9 g5 l) U' i# r$ g& q8 [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
- y( t/ j3 o' \* t1 {
& m& ]2 W5 c  B  J0 U! u6 p1 N: Ww = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
/ L7 ^' w) `0 i  E# V6 h9 l
9 O( V* x! h# B& _0 N; s1 s6 u4 Lepochs = 100
- }1 e1 |% l, w* Z! z! E+ ?
losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

6 ?2 H, ?, t1 t9 b/ Z. N  loss = torch.square(y_pred - y).mean()   #计算 loss
0 U+ h6 W8 w4 j1 J3 V9 C  A  losses.append(loss)
5 \6 `; h6 A' m" g1 i7 e  
9 f& g$ H; T' e0 s  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_()  
8 u9 r* Q% n/ u# u+ x+ F" r5 s9 R$ p  b.grad.zero_()
' a$ v& Y/ {( T* j
" ^! V: k8 @- U7 j7 Uprint(w.item(),b.item()) #结果
3 }# O# C' R# e$ Z( d' a7 Q# w5 K
# Q' ?0 Y  ?( b! }Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
. _% u/ x- P/ L& r. D/ F4 P8 [6 y( _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。
( d) |; V# [2 K# ]( g5 W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？
# {3 q2 i) j4 A9 w2 x-------
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。
5 y+ k5 l# x: l% d+ S' s- v-------
& q0 f+ G' u+ H9 |: K, B* ]7 s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？
. J% f3 [8 S: l- R-------
不好意思， ...

5 F9 k4 M8 k' v1 ^4 G6 j, {0 v6 C$ J2 G) 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一下。

老福

$ `7 h6 z  H7 o; F; }! }: m

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。
& o3 [' @8 V3 \2 D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 ...

' M. O  [4 O0 H. |) |
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。
) d5 H2 |  k6 `: _) X+ M
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。

或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
% I' A& y; I2 l( py = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , 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。