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：
# W1 [- t! b7 B6 |& T----------------------------------------------
import torch
import numpy as np
+ e  w: E! k' R% b7 `& Cimport matplotlib.pyplot as plt
import random

/ h1 f9 W% [9 m' hx = torch.tensor(np.arange(1,100,1))
+ m0 _* y/ k* b4 F& By = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
4 _5 y6 Z, V, g* X& J0 w, v
6 \8 N5 C* B) @7 v7 |' k4 Y- vw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
$ g* \' Z/ |( t3 Jb = torch.tensor(0.,requires_grad=True)
: x8 _0 `- V0 t2 i; L
  C: f% ^8 R1 K6 B( r* depochs = 100
; s! Z% g5 c0 z: K, i+ P) M/ u
losses = []
. O! C6 Y& ?6 T) S) Ofor 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
# ^2 |# W# f5 K  losses.append(loss)
1 H) R: G# u7 H- ]- D0 v  
! D# ?# N1 D* U$ J6 e  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
' M- {! b. z2 p; `6 h  w.grad.zero_()  
2 ?1 |* u' w/ H2 Q7 o7 ?$ @' `  b.grad.zero_()
8 T; L" M7 I2 i0 _
print(w.item(),b.item()) #结果
) x' x' {' H: b0 w* u' W+ C
Output： 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？
% D) g+ U$ a* f- P1 _

老福

7 T$ u. W; O1 [
, M) p% u% F4 K! J5 |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？
; V3 L/ Y. Y: K, n* F( E-------
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。
- ^4 S  x6 k8 z-------
' z9 J: [3 n( Q, d  [2 x% j. B% {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
5 D6 j; B% B- Q" i# _& M' \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？
& h! ?( f+ K+ m$ d! A- x-------
7 c# O% y" m. f- o' L不好意思， ...

3 d( u! |& t4 ]. m! O; s* O谢谢，算法应该没问题，就是最简单的线性回归。
. o$ `7 ^0 L7 M" u1 z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
/ q, O4 {' u6 k( o' j5 t谢谢，算法应该没问题，就是最简单的线性回归。
0 ?- d/ C1 {* O0 E; I3 d' W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 ...

7 S. N% B1 q2 B' H& r  y& Y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

3 e+ {3 ]- b2 X

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。 ...

% ~0 |& V5 _0 e8 S& ~' [你是对的。
/ P1 M7 O4 z/ u0 d" A+ C  \" N去掉了随机部分
7 f; A8 s, A( D) b#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

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。