继续请教问题:关于 Pytorch 的 Autograd

雷达

8 a% U7 ?6 H8 N. j% x+ V
为预防老年痴呆，时不时学点新东东玩一玩。
+ d) ~% @7 J( X# GPytorch 下面的代码做最简单的一元线性回归：
3 _& d. r# k) f# m6 r9 N& b----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
5 O, J3 l/ {8 Z1 vimport random
: L! u8 r6 I/ F* u; }! R
x = torch.tensor(np.arange(1,100,1))
. u& B. N4 U" ~# `! O9 sy = (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)

$ L: W6 X8 E& B: C! v. bepochs = 100
7 R$ {& H! ]. j& i2 {* Y
losses = []
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
  losses.append(loss)
, E4 K& T  x9 M  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
- M+ s; Z# @- i4 J- n  w.grad.zero_()  
: C5 e" \/ c) M" V  o/ a* |4 W( [  b.grad.zero_()

print(w.item(),b.item()) #结果

1 u5 ]' j5 `0 a7 {* f! W$ eOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
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？
/ t- ^) J1 U' o9 ?* N' l-------
7 s2 d3 L! F  H+ h' e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。
% d6 ]. N+ a* n& J" P( h-------
; P5 v, n" N+ x, R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？
-------
4 x0 r$ }: s1 t% u1 j* x不好意思， ...

! T* @" @# }* x& d( J& t, P" e  [' d谢谢，算法应该没问题，就是最简单的线性回归。
$ `. H, X7 d  X2 x8 b# |7 R' V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

  Q+ y) N5 V+ w! m) Z1 A

雷达 发表于 2023-2-14 21:52
9 `- i. B7 H5 t1 |& z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。

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。

  k# v) J7 b1 {: ]9 g或者把b但的起点改为1试试。 ...

( C7 ]. K6 C7 Q( l6 s
你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
' _- [) b& L$ ^' }8 Q4 ny = (x*27+15).reshape(-1)

1 ?2 f) f6 u) u) k: ^. U" X7 f循环次数加成10倍，就看到 b 收敛了
# l& Z! X& s' Vw , b
! m! }5 n. s# ^" }' H( u" S* D27.002620697021484 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。