继续请教问题:关于 Pytorch 的 Autograd

雷达

9 ]( K& B; |5 v' z$ q& O
为预防老年痴呆，时不时学点新东东玩一玩。
& Y. T. p9 y- A% o/ rPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
7 p& {4 z9 t3 h# zimport torch
3 n* p# ], p+ K7 b( Dimport numpy as np
import matplotlib.pyplot as plt
import random

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

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

  i* }- w: _1 W( f% a% z& \5 N6 yepochs = 100

& m  E7 e5 N  _7 `  c5 Slosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
/ P4 T% R! u- X% F- _( w
! b8 K$ E+ s3 q) P. k4 V4 d$ `  loss = torch.square(y_pred - y).mean()   #计算 loss
6 P5 G5 H; X1 [" u  losses.append(loss)
% z# N$ M. z  E: u4 f  
  loss.backward() # autograd
* v. K3 x4 w# ?+ W+ `  z  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
, T+ h  a2 ?& _( ~/ ]8 R6 c/ g    b  -= b.grad*0.0001    # 回归 b
7 @4 _! p; ]  Y+ J' }) B  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果
3 ^2 j; }0 j- p' p& W
+ m8 f4 i( N* gOutput： 27.26387596130371  0.4974517822265625
5 N3 z( z  Z2 y. e6 D& C----------------------------------------------
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？
0 d6 T! J& K* ]7 y  d5 \, `2 t4 G

老福

5 a- ^  I: C6 {) ?4 y) t/ H
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？
-------
6 N% {! ?& S. B2 N5 H( M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。
# y3 S" t- z# R-------
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？
4 g) j' K* _5 Y-------
, @; }$ o; S- l% P$ g- u9 ^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

& T, Z4 B7 K# M& J

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。
2 `; t+ [0 c; |  k. r, [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。
) ?5 S( c% G: x$ m
% R7 K: Q% Q! D) T! t7 Q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
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。
$ \# U, h2 |# u2 K6 a9 S. c+ n
# t$ N6 D! w4 J- g或者把b但的起点改为1试试。 ...

- h3 B' Y5 |" \你是对的。
, A' V: I: v1 D, M3 m! J% z5 M0 G去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
# }1 H9 i0 _* S9 n/ Qy = (x*27+15).reshape(-1)
" r6 D! a; q/ V5 [) |0 E
循环次数加成10倍，就看到 b 收敛了
: \- O$ L3 r4 \3 }w , b
27.002620697021484 14.826167106628418
! d7 T2 F- a' ~& V( S- E
$ W6 i" Y8 r& ?" I8 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。