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。
. U, n; w* c( X9 E/ d% cPytorch 下面的代码做最简单的一元线性回归：
/ r" _' S% H' m: a- U----------------------------------------------
* Y# P+ U9 z9 |* rimport torch
import numpy as np
3 Q' ?7 c( P" B) a9 |( t% _) Jimport matplotlib.pyplot as plt
import random
$ m4 Y7 }( \* h5 k3 \% x  \
x = torch.tensor(np.arange(1,100,1))
5 Q, }& b: z2 _y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
) y% G* y2 W8 F9 A6 G8 k
6 x7 P  h- a4 b. iw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
  n+ L  \0 U; c0 G3 H* v. e5 pb = torch.tensor(0.,requires_grad=True)
8 U! O* \. q% L1 V
* u* g4 V' a; p$ P8 r' S$ J* xepochs = 100

losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
. c2 o2 I' r" k  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
5 W  v' D0 l% z  
  loss.backward() # autograd
" R7 t9 q+ d1 Z9 R0 h" o) @' ]$ P1 Q  with torch.no_grad():
  r8 [6 y" k8 Y- l* {2 m- X    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
9 ?' y( @% t0 E; }. y  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果
+ O1 R' e" o! s0 N7 a& U
. E+ ~# }: L. ^6 \' L+ yOutput： 27.26387596130371  0.4974517822265625
" Q, a8 U% K7 p+ ?: y8 f/ v, ]3 r" 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。
高手们帮看看是神马原因？
8 [6 J6 J0 ~/ [  v! i- f- H

老福

% i% j, P  ]1 E2 q- `0 r# B
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？
$ V0 _& K4 q/ H* f3 o0 C/ G-------
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
% Y5 h2 y4 A; e5 u3 U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？
-------
8 k, u2 l  j3 c& x( t6 D5 z0 G不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
. C1 J' z# q0 [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。
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 ...

: u# L0 ]  l0 F) y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

  G8 ^+ C- X/ Q

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。
, M0 {7 f8 X8 s$ Z+ y( {5 L7 W
或者把b但的起点改为1试试。 ...

# Q, `3 a; R5 F3 m' X
你是对的。
去掉了随机部分
3 u# u/ `3 f0 [9 z2 J#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (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

$ I, z" I, _( x. P# o0 L; j7 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。