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。
Pytorch 下面的代码做最简单的一元线性回归：
: D& a7 J+ g3 T----------------------------------------------
import torch
import numpy as np
8 u  S: L% ~; d/ k0 T3 ]' w9 Cimport matplotlib.pyplot as plt
' P- l6 v' j! y; W& Uimport random

x = torch.tensor(np.arange(1,100,1))
' V8 M! W7 o% N( q3 Ly = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

1 {2 i5 o7 H, w% B! vw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
9 L8 E/ G) n* m
epochs = 100
( W! |3 _0 }0 P& G
losses = []
for i in range(epochs):
6 {, o# h* F' _  y_pred = (x*w+b)    # 预测
* I1 x* V1 q  b1 Q5 C8 c) U$ O  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
, i8 X5 X; t/ g; _$ P  
5 E- X( H# B  {$ x  D  loss.backward() # autograd
9 O3 V' |- j) ?1 h, P  with torch.no_grad():
/ N5 p1 _' F3 t8 s! k4 n8 \' X; S    w  -= w.grad*0.0001   # 回归 w
& O. R3 ?5 v& L2 l    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
! a& E- r% A1 C) e* t7 X1 t/ e  b.grad.zero_()

print(w.item(),b.item()) #结果

) D: j: N9 P' r7 {3 |Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
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？
' c; y7 I8 h  R( H6 V

老福

6 `" X) D# ?6 ^
( O, X" z  k! T! o- C) k: E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？
# h0 k8 H: y4 |! i-------
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。
4 m2 O' f9 {1 l; k% C# J  e-------
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？
' W; @2 h/ q' U" z# d) m8 O-------
' P; ]% W" n: y不好意思， ...

( e0 \2 B8 ?. o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

2 o1 J$ @( ^- J9 Y

雷达 发表于 2023-2-14 21:52
) C1 h! X* \3 ~谢谢，算法应该没问题，就是最简单的线性回归。
" o" t* K' u; N4 ]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。

或者把b但的起点改为1试试。

雷达

# x4 R0 G$ I8 c2 w' N7 I/ X: s) f1 B

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。

或者把b但的起点改为1试试。 ...

2 E! R3 f7 }/ M6 G0 l* e/ R3 C
你是对的。
+ \2 G0 r5 g/ t4 o3 M+ ?- }5 _( K去掉了随机部分
& `' |! J4 Y1 t#y = (x*27+15+random.randint(-2,3)).reshape(-1)
) m( {( C5 `6 n4 F9 V9 \1 x& e8 `y = (x*27+15).reshape(-1)
3 A8 [7 J# M  v+ b5 Q" @8 Z3 T8 ]
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。