继续请教问题:关于 Pytorch 的 Autograd

雷达

9 R+ Z. t* ?: q2 ]
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：
----------------------------------------------
* F! n% H1 J( R5 q3 l$ {. nimport torch
import numpy as np
0 |) e7 U" K4 x8 gimport matplotlib.pyplot as plt
import random

x = torch.tensor(np.arange(1,100,1))
" B1 q2 R) U5 S" G( {y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
# v; P7 r( ~8 Q  U
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
+ b: f4 |/ `0 ?
, Q3 U( m- f& k# y- Y4 I6 }' Fepochs = 100
+ ^% [$ w% f- {( d
8 A  _' |) T0 H4 O; v' _losses = []
for i in range(epochs):
6 X8 {# T& Z. D) r* x1 F  y_pred = (x*w+b)    # 预测
0 ], `; q3 i6 T( q( J, o  y_pred.reshape(-1)
% F- S7 R7 z" e3 h" L5 U
( s( X8 C2 Q5 |7 E/ w# j  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
4 y* t- i5 X# w5 B1 i6 O  
) N$ J) K3 T* v  G& w  loss.backward() # autograd
) F1 {* j4 m) n3 b  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
& I" q( H/ t9 [. ~
print(w.item(),b.item()) #结果

# @8 A! @( h) nOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
" x3 ?& P# W: v: t9 x3 L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？
) E5 P3 N$ K$ x/ `  \( E0 e1 g

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？
9 R! z- t( Y/ X9 U" k1 R-------
, b9 }: @0 w0 U# P2 ]' S* q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。
-------
/ i+ z! C' k8 S1 ]. \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
) a+ j- z% ^, t, D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？
! v' ]  E6 Y% ^! D-------
9 l  i7 Y1 E0 \: I不好意思， ...

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

0 b5 t4 v4 G: @0 _/ t

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 ...

9 H$ Y" d! a5 ^) @- z8 ^' E
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

$ Y7 B4 J/ C4 F  U* f

老福 发表于 2023-2-14 22:00
5 i! r- K4 R; t0 ]# x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。

, Q8 d' n! N: r  q( R7 f( k1 ~9 p或者把b但的起点改为1试试。 ...

0 [! D4 B: @! o; |# h6 Z你是对的。
# N2 F3 ]: y8 n5 o' \8 h去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
+ e8 a. t, T+ ?. H# Ny = (x*27+15).reshape(-1)
+ d. ^0 t. C4 p; S/ X
循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418

& |. u6 |6 ^2 y. r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。