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：
----------------------------------------------
0 X  Z! @' U+ C8 uimport torch
* A, p& t' A2 m# A/ o8 vimport numpy as np
0 f6 n' e+ G1 a, A# [3 F* `import matplotlib.pyplot as plt
4 X$ c2 Q' v% z2 timport random

x = torch.tensor(np.arange(1,100,1))
5 B, b; d1 P5 ?# u) _7 p2 P" Ey = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
; J+ {' _: x0 T& z. B. ?
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

! ?" U: l: R" T3 ~' kepochs = 100

3 z0 r- h: z) Olosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
- [. E; u* Q5 f  ?+ Q% {0 S% ^  y_pred.reshape(-1)

3 l$ B1 s; w- j  loss = torch.square(y_pred - y).mean()   #计算 loss
- r( n' q/ d! n. z+ [  X  losses.append(loss)
, s. V8 `% c4 M9 s. `8 u  
" h: i3 {) W$ p. v8 A5 I  loss.backward() # autograd
6 x  A4 o, }7 o4 B  ?! X  with torch.no_grad():
7 M6 w2 y  S6 l2 O    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
4 u! K, ?3 g: T* G2 X. x% a+ O; C  w.grad.zero_()  
  b.grad.zero_()
  W( X/ {, l1 Z6 r2 e0 o
) a: i3 \! h% U5 Iprint(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
# F# r6 s' B3 w) a4 A# C; L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？
- i  }+ ]& W7 a

老福

) j! x; Z; ^6 p) z5 Y7 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？
-------
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
2 e: ?1 |- ?8 V# o( j/ [; t6 L0 d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？
-------
- T8 K8 R% J3 Z! n+ E不好意思， ...

8 y7 E# V' m; U. Z1 v- \1 W# Q0 e# u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

雷达 发表于 2023-2-14 21:52
/ _" B8 c) K0 O( M" a; K" k6 S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 ...

2 `8 s' A5 z9 N
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。

+ s7 G2 ~2 J. b$ B0 z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。

或者把b但的起点改为1试试。 ...

你是对的。
3 B. ~  V7 w3 X2 y" F去掉了随机部分
#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
7 X7 S8 q- a8 x' U
; C# C0 Q: ^/ b6 V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。