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：
4 o, U' q5 {2 W6 S8 f----------------------------------------------
' W8 T7 D! z: g( x& Nimport torch
import numpy as np
9 L+ _7 Z1 D8 j2 B5 Cimport matplotlib.pyplot as plt
0 `2 l& |& f+ u/ V8 q6 C7 zimport random

x = torch.tensor(np.arange(1,100,1))
7 j2 @: U  ^' [/ Vy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

0 ^  `# o: \! i- Y* v" uw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
$ J  @: R* @5 j- s7 r6 K) y: `5 G
+ f9 B" v$ Q, ?. l' Z, h0 K) F5 iepochs = 100
9 m4 ^+ Q, M6 O3 U
3 z8 Z% G% |/ r# Xlosses = []
! U) R2 U4 T1 ]; M+ xfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

. G0 ~0 n2 Y6 x' Q8 M, f  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
1 ]( y0 }" p9 m7 b& q6 W* `  
+ z6 z' @' v; |* e  loss.backward() # autograd
  with torch.no_grad():
2 C1 M! J' U8 x    w  -= w.grad*0.0001   # 回归 w
) Z+ s- _8 D4 Q) D% r    b  -= b.grad*0.0001    # 回归 b
7 @) n7 r! B  a  w.grad.zero_()  
9 X1 P( g% w4 Y* K8 |. V. o  b.grad.zero_()
% K( b1 g; \& ^* f
print(w.item(),b.item()) #结果
5 ?& ^8 A* ^, N) `0 j/ L4 K5 \
Output： 27.26387596130371  0.4974517822265625
0 H( |' v8 ^7 Z% M- 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。
  x  z" L! P# _4 W- x高手们帮看看是神马原因？
: I, c) b6 E, r

老福

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？
5 ^6 y5 I: S- d2 ?-------
  o! P2 \* u$ H0 {! \2 O6 m, r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。
-------
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
& R/ `2 U9 W% Q; v0 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？
$ O! a7 X8 X' E0 M% Y1 n-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
3 @% W' [) L8 `! H( i" ]$ z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

" {6 M! g& ]( I: R& h: N6 z, z, y# X

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 ...

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。
9 K6 N+ x" q, {9 ]1 O
5 v3 e* p- \+ G  A# k1 y8 V或者把b但的起点改为1试试。

雷达

" Q: T- F/ Z/ e! N4 W

老福 发表于 2023-2-14 22:00
/ s- W( q) Z6 G, w& e2 i7 Z" J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。
, B1 M* M. U9 u: B6 q3 s% @- [
或者把b但的起点改为1试试。 ...

5 C0 {' M7 y9 ~7 D1 b) V; A  T
你是对的。
) f: _: K7 [9 ~4 A去掉了随机部分
: C, V9 Z% O; h* O  J3 M#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

: w. }* `# z; `3 d循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
; t/ y/ k& A; A: z8 y
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。