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：
' o# o* T" l) b% ]1 x8 @5 u: i----------------------------------------------
/ N# J. N% W& V) qimport torch
5 [& g8 o% A# d! F$ }$ p! uimport numpy as np
4 T6 e3 d  f( D5 [import matplotlib.pyplot as plt
import random

6 z4 b$ \4 m0 p  n, f% fx = torch.tensor(np.arange(1,100,1))
. A# w8 N! W0 b' T2 e) [. [y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

% i' J8 E% n; o. b5 ^! ?; c: Aw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
. t+ u- n; ?( F# Yb = torch.tensor(0.,requires_grad=True)
% {9 x4 `9 Z/ }& X2 G  s
! E4 U# P  m* j5 K* s1 Uepochs = 100

losses = []
for i in range(epochs):
: m8 S6 A! u! w/ h0 ]! x  y_pred = (x*w+b)    # 预测
8 f8 G4 h4 z0 g& _  J! Q% K  y_pred.reshape(-1)
- R* x: i1 Y+ P$ Z3 L
1 j3 V, ^3 _3 T, D" g; }! L' U  loss = torch.square(y_pred - y).mean()   #计算 loss
- w4 S/ G7 A. R. Y% L; j  losses.append(loss)
  
  loss.backward() # autograd
" ]" \, K- H3 ^  with torch.no_grad():
$ r, S$ {: f' I/ F/ X    w  -= w.grad*0.0001   # 回归 w
! i" I  W) n' Q% I" E3 m" r7 D. N    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果
. h% R7 ]- E4 ^* Z) ?: n4 `& ~" i
Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
  Q0 K) N+ z* e/ a6 l9 f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。
. ~' L  [' t* V, Y/ E7 ~高手们帮看看是神马原因？

老福

: T. V( m- m1 g
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。
-------
2 f0 B! B) f4 o1 S/ p" R  r# M# K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
  m( i0 j/ z8 X, B, r1 P& ~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， ...

谢谢，算法应该没问题，就是最简单的线性回归。
6 E( p2 O  d1 {% v5 ?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。
. L9 ^( _; F& i2 s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
( l% f- g1 D* g2 ^1 t5 e- D. |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。

, `" V7 o( m4 y' ~; Z+ u9 r& _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)
4 ]1 y+ A9 Z8 d7 Sy = (x*27+15).reshape(-1)
* e" R8 n7 _# W& ]$ L7 T# N; I+ W
循环次数加成10倍，就看到 b 收敛了
. ]4 b* x* ?1 A. @, Jw , b
/ W! B) A1 k( R  X27.002620697021484 14.826167106628418
9 T! ^% C% A" Z
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。