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：
. n( j8 c& e. `2 o9 f3 i9 f' |+ ^' u----------------------------------------------
( f0 V9 L, |/ A, _import torch
' ]$ X; p5 c4 _1 }$ t  P0 x0 cimport numpy as np
import matplotlib.pyplot as plt
/ W4 Z, ~! l3 e8 \& j6 Ximport random

! b; l0 A" t. E( `" t' s  T. o5 Fx = 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

. x. h. Z; c! g9 {, Lw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100

losses = []
! I" m: M, P. u) T' Ifor i in range(epochs):
% V' A4 w! n6 Q9 d$ e6 S  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
3 B2 l, P' P0 L
' A. q  ]8 j( Y  q7 J" ]2 E$ n  loss = torch.square(y_pred - y).mean()   #计算 loss
: m! b9 y, O* e8 a6 j. g) w1 o. \  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
# J8 q8 Q! b4 e: K! h- m# @+ B5 P  w.grad.zero_()  
9 h9 e7 ~1 Y  D( l5 I* F2 @$ {  b.grad.zero_()
! b* h9 e2 `7 f4 |
print(w.item(),b.item()) #结果
" v3 T- ~; q3 T- B* D- C* O4 ?$ V( |
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。
; W9 x0 C* c0 X高手们帮看看是神马原因？

老福

3 W2 q% W0 }/ D3 E9 b6 u8 D  X
) w8 I; N! p6 n$ 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？
& m# t: Q; b4 i7 j/ e, J5 B-------
. r9 W, X  v) B  o& P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。
- n' R$ I. |5 ]1 E9 r& u# o-------
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
; W! ]% f; y) d: G1 a' c7 {3 r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 K8 J* |$ E6 _8 T0 B' Z-------
9 g# |$ {$ h2 v5 D7 `* n% n! b不好意思， ...

8 }  H- e# U" x/ w. T8 R, M4 X$ @$ V6 a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

' k% c2 H& u" u. a" o# b

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。
% j' n2 R, X1 T( T" G, z5 [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。

' A9 l- u/ f0 ^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。

或者把b但的起点改为1试试。 ...

$ e  h/ `  @  m, V7 a. X6 h, `& e你是对的。
" j  _" K* x3 h) i去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
$ @: i- }6 C5 e- G5 Cy = (x*27+15).reshape(-1)
5 o" Z+ |+ g$ ^( p% U# V
6 t! K3 u; @* X5 V. \$ {2 Y循环次数加成10倍，就看到 b 收敛了
- N* S1 V' C: Z, _" j* pw , b
27.002620697021484 14.826167106628418
6 }* d  s! ?( D; c1 W
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。