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。
8 k) V) G* O6 q' k1 P' GPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
3 D3 u' v  Y* {& u$ s0 ?" himport torch
import numpy as np
import matplotlib.pyplot as plt
import random
4 r7 ^$ |) ~) W/ A
x = torch.tensor(np.arange(1,100,1))
" A0 O) k- {5 Q# Cy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
! Z4 I5 T0 v- Q* Y* ?1 p. r3 y" ?
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
& ?0 t) m3 B2 m5 N# ]$ Sb = torch.tensor(0.,requires_grad=True)

epochs = 100

2 T# g! F* |, ^5 elosses = []
for i in range(epochs):
2 V% q  m& _" N! @+ u1 Z  y_pred = (x*w+b)    # 预测
! }* F* b" V* T5 x  y_pred.reshape(-1)

- A, I- H6 {+ z, g9 J  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
7 E4 ?9 X& j+ i- ?: d& `* F  
7 H- \# I. U% o& C4 u- k  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
4 U, ]  ?% B/ [2 [' g  b.grad.zero_()

: K6 c0 h9 N3 v; _2 _print(w.item(),b.item()) #结果

0 S1 |9 t: k. e& h# qOutput： 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？
" ]1 k; a  {  Y5 k  l

老福

; `* N) F; R; c6 P- u2 i
2 ~5 o/ \9 d  u+ D9 x6 I  v7 B: L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。
! ~& ~9 L  q2 c: U-------
6 t& c3 f! i0 r; 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
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？
" p- B3 f8 a1 \3 |$ b( G9 a4 x: ?9 J% k-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
$ `" W: J& s# ]- t- G9 ^: j% 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
7 v: @4 F' [$ e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。

2 f; i3 B) L# k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。 ...

( ]4 X! f% s' |6 P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)
) \$ x; D9 t4 M& i% f. @* ?4 m
循环次数加成10倍，就看到 b 收敛了
9 O; c+ l: s) o+ cw , b
27.002620697021484 14.826167106628418
- D& u4 i  w6 I4 N( D
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。