继续请教问题:关于 Pytorch 的 Autograd

雷达

" g8 ]; M$ @6 h! C0 Y
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：
----------------------------------------------
import torch
' P9 u% d8 d+ w. T: zimport numpy as np
import matplotlib.pyplot as plt
import random
9 l# d, e2 S6 X1 m$ ^, k9 u
x = torch.tensor(np.arange(1,100,1))
! t+ t7 @/ }  B9 |  _' ~  ~% n9 Qy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

4 W1 m5 f0 C" Yw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
8 g2 h: y3 |- ]  y# Mb = torch.tensor(0.,requires_grad=True)

# \" Y/ N1 o$ P7 J9 Y8 U1 Pepochs = 100

  d2 [) h% I0 T. M; r/ ulosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
0 N) k7 o* [9 f- N  y_pred.reshape(-1)
' l9 g6 B8 o& V4 z5 `& d
! \- s9 m/ o& {$ G  n2 j  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
/ \% v4 I6 U5 R6 l: I" _+ T4 _( [    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
2 b5 M+ O" ^' a! |; j6 |* e  w.grad.zero_()  
  b.grad.zero_()
$ \& F, N3 ]+ O8 Q1 E& v0 h
print(w.item(),b.item()) #结果

( i; j2 C& M0 EOutput： 27.26387596130371  0.4974517822265625
$ l# G2 p7 d1 p----------------------------------------------
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？
8 C- N. k) X( X+ r  X: c

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？
1 v% W$ Z" x5 B% ^3 G-------
! J. K" ~6 G+ U- F/ C/ D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
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？
-------
2 r/ z3 _3 h3 i1 |- S; b不好意思， ...

5 W3 c7 g7 q- i4 H; k8 H谢谢，算法应该没问题，就是最简单的线性回归。
2 z7 @+ E! v* }+ E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

$ y9 s; |# q! P7 O0 L' `+ {

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 ...

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。
7 o# d# I* |: l9 E  z7 V6 C+ J
! m8 K7 h$ X  w8 {' P- o1 B* S或者把b但的起点改为1试试。

雷达

3 N8 B( x$ ]/ O/ m' l

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。
* ]$ ?( u" D: v1 t
# A0 K3 `: F+ f9 f/ q9 s( S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)
y = (x*27+15).reshape(-1)

( o' m9 S+ n+ u8 ]8 p循环次数加成10倍，就看到 b 收敛了
w , b
# U" P( c9 C$ {& y8 Q2 g27.002620697021484 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。