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。
. W! w. e" i. H+ L+ h8 t3 ?Pytorch 下面的代码做最简单的一元线性回归：
; Q. e* u" i% b----------------------------------------------
. T0 O: B8 @. Oimport torch
import numpy as np
7 P6 {3 \1 @+ G1 e3 x) s8 eimport matplotlib.pyplot as plt
import random

x = torch.tensor(np.arange(1,100,1))
7 _' ~* b, S9 Y( e" N& L1 Iy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

3 A& h6 h8 X; }, n7 x) H0 x+ O& yw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
' b8 b* m' Y1 L  ^  zb = torch.tensor(0.,requires_grad=True)

epochs = 100
6 D* E1 E: _6 s- y8 V9 Z0 `
- G2 i8 k$ f* z$ i' C% Q2 olosses = []
for i in range(epochs):
+ _8 y0 |6 o1 Z+ U  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

4 _; }5 a1 z/ T. p  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
$ b" T: k* D2 b3 E# f  
  loss.backward() # autograd
" a/ U& \$ a" X3 k+ z" M  with torch.no_grad():
, s! W% B$ \1 p, _    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
# P7 h6 g7 D1 B8 ^4 Z; |  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果
% C9 J  J' [5 f" Z, ]
* g# R7 B+ K$ k3 W' ]3 T) mOutput： 27.26387596130371  0.4974517822265625
8 p5 b1 \* z; h0 B9 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。
高手们帮看看是神马原因？
/ ~8 u. R- I/ `

老福

' M" N+ \- J) z4 h- V# P
% t- M* t6 R; D) a1 u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？
5 R8 l0 c7 _/ x9 k7 E( d0 V-------
/ e7 U  M4 w6 E" b$ [  q+ 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。
; ]! |7 y7 k" e( x, }9 _& T* e4 g-------
' j8 {3 l6 R6 v+ F0 G' p2 C; }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？
-------
不好意思， ...

- K2 C2 u9 G! P7 C  @; E4 C4 V; z3 _$ c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
谢谢，算法应该没问题，就是最简单的线性回归。
* R, ?# b$ \' R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 ...

3 u$ V+ m  l7 V; p7 y- k
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 {# w0 d8 e( l0 X0 b# Z1 s; B1 X5 G或者把b但的起点改为1试试。

雷达

+ V" u" C- h2 S1 J1 R, G7 t

老福 发表于 2023-2-14 22:00
" e9 c  x7 w( _8 D5 a9 I2 D% o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。
+ C7 o  _) d9 v
或者把b但的起点改为1试试。 ...

) b! N& C6 |/ `4 x. ~9 ?) q
; n* c: Z. p7 Y2 t) ~) u你是对的。
; M5 T2 \+ ]) V% g% E去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

9 x+ X: V7 J4 m7 ]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。