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。
; C' a0 O* V* D: T$ [, HPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
, t, `9 K8 |$ \  bimport numpy as np
import matplotlib.pyplot as plt
import random

+ O( l" ~( }5 c7 I$ Jx = torch.tensor(np.arange(1,100,1))
% b- |& a8 k5 X9 vy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
0 q4 v$ k, P6 N0 _b = torch.tensor(0.,requires_grad=True)

epochs = 100

losses = []
6 g* X  _1 x. ?for i in range(epochs):
  y_pred = (x*w+b)    # 预测
1 k, {' ]% R# d6 ]& D2 i  y_pred.reshape(-1)
- v- b3 [7 r- z5 W+ ?$ {
: L  ]( Y9 E, E: \  loss = torch.square(y_pred - y).mean()   #计算 loss
# H/ R6 N0 z, g; x; }  losses.append(loss)
  
  loss.backward() # autograd
- G+ V/ }/ D/ f# ]  with torch.no_grad():
8 u1 b1 Q3 r4 x5 k3 c    w  -= w.grad*0.0001   # 回归 w
% y- Z, Y8 g: q/ _; K    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
' F* s5 b' L0 h  b.grad.zero_()
( A/ O  M; P6 N; s0 f: P' @! p" i2 W
print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
: X8 U3 P) ~* a" k: w  P----------------------------------------------
: h8 I: u: L5 U1 D! ~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？
- V) w, b3 ]8 P3 @. n, ^% Y( g( r

老福

0 e" t. Q/ i% }8 M
5 I- r7 y  f* i# r( {6 \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？
3 I5 k2 P( U& d: b& N-------
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。
- g0 A( c1 j* Q+ v) A) F# T-------
6 g4 C3 O, U) K# S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
& d: n( i# v0 ^; M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？
. n( t! x6 o, S1 |3 P. f-------
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

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 ...

7 H8 r. P! Q$ D% a$ Q! G5 S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 o, |' }; D' T5 x" u或者把b但的起点改为1试试。

雷达

9 y1 y, }1 V2 e

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。
% L: d; r% |; |3 H; M2 V3 B
或者把b但的起点改为1试试。 ...

! s* S# b4 {2 i- `+ Z" m6 F4 p8 b你是对的。
去掉了随机部分
$ t! F7 u! f, v$ N#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
* f: c# X$ X( M  q* Z* Ww , b
27.002620697021484 14.826167106628418
3 b( D; Z3 w/ W6 f
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。