继续请教问题:关于 Pytorch 的 Autograd

雷达

6 @! E  e8 O2 U! t# j( H  a/ j为预防老年痴呆，时不时学点新东东玩一玩。
* k$ ^7 b7 e7 pPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
/ v) o% Y1 a. V2 [: `import torch
import numpy as np
import matplotlib.pyplot as plt
2 E0 |' C0 X  M2 @, y7 H* d0 Qimport random
/ V) J: m. }, ]& h! i& j
x = torch.tensor(np.arange(1,100,1))
y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
6 S( y- V& L& l; _7 {- N1 L
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
. Z* j  U& \5 Zb = torch.tensor(0.,requires_grad=True)
6 ]/ l7 a. r$ E! L
epochs = 100
+ K# A+ {' x+ ~; a2 G, X5 Z
losses = []
7 p' [" U' v/ ]. v' \for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
6 ^8 M  T( ]: t* \' g7 B
5 y- U& ^  \) W* s  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
. u) u! u) N. l% u/ Q) K9 t# }  
8 i$ ?9 F* E! F" i, x$ m: f5 }% s9 W  loss.backward() # autograd
8 f! m/ Z: N. k* A. }  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
  A1 Q! ]3 K) g, A# x: r    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
3 K: e) ^2 w2 v8 g# q: J  T& K. _3 s  b.grad.zero_()

" ]" Y  F7 J) {1 D. n; nprint(w.item(),b.item()) #结果
  T- h& `3 l8 D9 S5 F
Output： 27.26387596130371  0.4974517822265625
" J5 z4 e9 e' r& ?) n3 _----------------------------------------------
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？

老福

( t0 ?" A. m6 V+ [. u' u' h& Y
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 j$ _1 c$ ~# E$ @0 b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 v! a$ p2 p# G- A-------
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， ...

谢谢，算法应该没问题，就是最简单的线性回归。
0 J8 q6 i0 H& \3 U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。
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 ...

% p% r8 G$ ^9 m* b# `! R5 t+ |5 B7 c
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。
1 ?1 Q& ~# U0 q' J0 ?, o8 c
, e4 z* I1 A! {& b2 c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
  I/ X0 G- T. q' u1 Z( C, \, `$ M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。
1 L/ f) @" d8 X) E4 B8 y8 j. o
或者把b但的起点改为1试试。 ...

* j& t) u1 c- i
你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
& [# P* p2 w, B1 [. Jy = (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

8 }  @4 s1 i+ G, x/ `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。