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：
5 S  W. |8 J( h- C6 y----------------------------------------------
0 k* \7 O- R/ ?, E- C$ I" T# Wimport torch
import numpy as np
import matplotlib.pyplot as plt
import random
/ D/ R" P; m5 ^
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

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
. _1 f9 c$ H% q7 g$ W- t
epochs = 100

( j3 v1 j) e5 j& M  g/ p& B4 v9 @# nlosses = []
0 \& B! A# O8 ?! Z: N- z5 ~for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
4 u4 [+ P) _& }* a  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
1 j- W7 R! H& X, G2 V) M' `    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
+ s, R1 k9 j# z+ U& F8 u8 W  w.grad.zero_()  
. s/ a( m: F! R! c. J# s, f. P  b.grad.zero_()
" v( n" e! t! t: r" i& c
6 z8 e9 o/ \9 i5 |4 C6 kprint(w.item(),b.item()) #结果
$ J' I. X- u! s. _( W
5 `4 J" n! }: t- zOutput： 27.26387596130371  0.4974517822265625
; K/ ]9 L2 h% z7 s  N----------------------------------------------
: R, M. x6 q, z( D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？
$ M  Y* y% Z3 {2 u, H-------
+ r0 _6 o! \; T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。
* p. K% k9 f: X# c4 ?-------
$ v: v$ B) e2 t& Y* H1 b0 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？
-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
7 T5 o/ [# i1 H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

* G2 M: U. C6 O: o: T8 _: t

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。
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。

4 L- a$ `; p6 _( v或者把b但的起点改为1试试。

雷达

; p- N% I+ T* m

老福 发表于 2023-2-14 22:00
" o1 t+ z3 l9 \( f0 x# {+ q  |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。
% g& x* |% k/ H9 Y
或者把b但的起点改为1试试。 ...

" n& v) P4 f8 [& k8 w你是对的。
* `: I4 o( N- G  f8 R9 h2 E4 @去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

$ d4 p! j2 H7 v5 S; I循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
$ g# J$ k0 t9 l2 ^" z3 t5 p
" e: D& g0 B, m8 s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。