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。
' B9 L- D2 M, EPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
. O( i  i( `0 Uimport torch
import numpy as np
  r0 y0 w; J0 A2 q2 E4 cimport matplotlib.pyplot as plt
import random

( d7 `' t8 _2 W5 P( ~! U; fx = torch.tensor(np.arange(1,100,1))
2 P1 v7 V  ^6 hy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
' i6 h3 L2 y3 O* `" @! }" l
$ E) y% y5 e" o: S5 Bw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
, {+ D0 ]8 P' F+ f# O  |3 N  ^
; ?0 N0 I2 F" \, W; M& Aepochs = 100
4 p, Y0 [& L& g  v& l
4 l& I5 T# K; D2 W; H4 B1 ~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)
  
: q0 X: M' g3 F6 @  k* g  loss.backward() # autograd
# g3 i% r$ B5 z( Z3 ^  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
% g5 j( C# @5 o    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
9 ]$ E$ H! k7 w" t  b.grad.zero_()
8 C* Y- h2 w3 O3 B/ W3 A
print(w.item(),b.item()) #结果
& e- [2 `2 C% ^# W* v; c# N
. r* g7 A/ D$ a, p5 f; d+ P3 ZOutput： 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？
+ [& a$ O3 m- s

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？
-------
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。
-------
( q, I% a# ~) |! M* i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？
* N! ~" R- {8 r/ f- }* g; {' X-------
* z7 B( _' A* w( W" T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

8 J6 m6 F, O/ Q4 E0 @

雷达 发表于 2023-2-14 21:52
1 S5 E0 h- P9 c- K% }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 ...

% i. y9 l5 T$ x$ U# H" m% c% P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。

# z3 g1 }' m2 G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
) A! v7 W4 e0 x: q/ p% s/ }0 @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。
5 V6 n' j2 |6 L
% L7 [* n1 d. q: d' }或者把b但的起点改为1试试。 ...

你是对的。
. }2 Q: F3 F/ Z& ]/ E9 C去掉了随机部分
3 r/ c7 u; D) n% ^3 {# S#y = (x*27+15+random.randint(-2,3)).reshape(-1)
( r& _. k* F3 e' n" u* U. ^' my = (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

8 b+ T" C' @# U' v; P5 J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。