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。
  A! E" T# F9 C) H4 gPytorch 下面的代码做最简单的一元线性回归：
/ ^4 c- X' I6 K9 y4 k, x+ Q6 G) Y: o----------------------------------------------
import torch
! q1 b  r$ @; }import numpy as np
import matplotlib.pyplot as plt
" G& @9 s$ k. X( A2 r3 Kimport random
3 z; M/ o  n# }$ j. H
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
; d: k0 c6 h0 X8 J
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

+ N. U7 T5 U# b/ P) sepochs = 100

. p( u( E; I) A( z7 F  N+ r& S* dlosses = []
2 M% R% u  N: m2 C/ l( d: hfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

! D' E, y, D- l6 ~4 M  loss = torch.square(y_pred - y).mean()   #计算 loss
* M, w, f8 I( g3 A  losses.append(loss)
' @2 R4 B* y, Y9 m  
" g. h# t3 F1 ^0 {0 T( ?' I  loss.backward() # autograd
% X* E1 A9 E7 }! k  with torch.no_grad():
8 j% Q& ^: z- c+ b: |/ K) E' @2 @  ]    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

; i+ Z( D8 x3 i; H: O% Zprint(w.item(),b.item()) #结果
( S' n, r+ h- V9 T8 V3 W
Output： 27.26387596130371  0.4974517822265625
& \) d7 g+ _! d5 @0 {; L----------------------------------------------
; f3 b1 }1 j; s' L- 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？

老福

- Q8 d6 |: q6 ]. o( E& c
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。
# {0 B: r7 A1 J-------
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
/ u7 M0 m+ C5 ~7 r, Z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？
1 d+ W7 W# X' w. ?3 `1 ~& x-------
2 n& s( A* W8 y1 k0 Q不好意思， ...

; X( B4 U+ @  @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

/ V  I* \# T/ v, U) D9 ?, |+ H

雷达 发表于 2023-2-14 21:52
: R6 v% m* F+ z# v谢谢，算法应该没问题，就是最简单的线性回归。
, }7 c% [% v' g! l$ m2 W5 O; p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。

+ J) W  ]% i( Z1 m3 E4 \* K; I或者把b但的起点改为1试试。

雷达

2 O6 Q  a1 ~$ l9 S9 Z; R# v& U

老福 发表于 2023-2-14 22:00
9 a! |. T, G7 R' b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。
5 ^, ?) K. P( q1 H
或者把b但的起点改为1试试。 ...

, \7 u1 d. y2 W& L$ A" ?) O
你是对的。
去掉了随机部分
2 b* g! G2 {' T; {! C#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
* }. j3 ^' Y! E1 B$ d  z
循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
  Q6 K8 e7 X' O/ 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。