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：
$ J( D; o* W/ E; v! Q----------------------------------------------
+ X6 e* u) R/ N' B0 Jimport torch
  p- ?& Y0 r& n' F+ A5 Qimport numpy as np
import matplotlib.pyplot as plt
import random
2 g) g! b/ P0 h) q6 f
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

& m$ O' {/ B" Nw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
) q  X+ m" V0 ^8 }. I( J) Ub = torch.tensor(0.,requires_grad=True)

6 `- T7 J" d. \% _9 G9 J, Pepochs = 100
7 q5 k6 w. j6 R4 \6 F) l+ n
losses = []
" w" T6 \" _5 C5 q# f9 C. P3 Rfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
8 x+ j" Z8 o5 E) h4 o; C5 V) u& {* B
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
) y" C: a9 T7 W9 m6 }* K% n* W  loss.backward() # autograd
& R/ F* M* s' _( P  with torch.no_grad():
# {4 N. T' c/ b% \  T    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
9 z- Y3 U+ p# r9 Z% s  F+ y: P5 k
print(w.item(),b.item()) #结果
3 `" K( @2 a, Q8 Z0 J
Output： 27.26387596130371  0.4974517822265625
0 }( Y$ K6 i/ N) h+ Y+ I0 h3 C" P! M----------------------------------------------
3 A( f3 B  w7 x  Y8 B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？
' n5 k% s& B: u, l! A2 n% o

老福

1 ]( f6 \3 Y4 f3 D7 a0 N! a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？
-------
' R4 ^) G$ B% M2 X. X; C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。
-------
! V( `, |, l+ y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
6 h# O: c8 r; x. O( s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？
-------
" u* K3 p; P! A& b不好意思， ...

$ a4 v, W  H# Z  U% V8 j1 y" q谢谢，算法应该没问题，就是最简单的线性回归。
8 E9 b5 O9 f. 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

& X# m5 V' v; c  b7 [6 L7 k

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 ...

) F0 D  i* I) _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。

" T( L9 ?: J4 W3 [. e) j7 J或者把b但的起点改为1试试。

雷达

3 A# N0 V+ N% l0 x* P( [

老福 发表于 2023-2-14 22:00
; g; _4 q2 O$ h' W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。
  j4 @  R5 f& a9 T
6 z- w4 o- W! L3 h9 ~, p6 f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)
# b9 Q6 V" e' Z  k0 a+ uy = (x*27+15).reshape(-1)
) z9 v( }+ x  T
4 |, H: F7 s8 i3 r$ w循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
- m, Y* b8 n7 Y/ |+ p
8 b% Y. {! j2 _4 ^/ B7 j: r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。