继续请教问题:关于 Pytorch 的 Autograd

雷达

& Z5 L: q" _: J6 k" Q
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：
----------------------------------------------
, y# o( _% J+ Q  wimport torch
import numpy as np
import matplotlib.pyplot as plt
: @. O! e5 g2 U& B3 p* ?. Z' M5 Vimport random
' t: {" }, r% ?
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
$ L% b1 r+ x( [1 \8 f- e  g! x
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
3 T# I! l7 i5 I# m0 T5 Kb = torch.tensor(0.,requires_grad=True)
$ C1 Z# U& k. |- |( G
epochs = 100
* q1 x; ]3 M6 B# _
losses = []
- t& a, r: g+ p8 Cfor i in range(epochs):
% C8 B; `3 _" V3 n1 ]5 t' @  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
  ^9 U! w2 A. d! v
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
: x, w& e* G) Z* e! T  
9 k' B; y5 U/ C4 `8 F  loss.backward() # autograd
  with torch.no_grad():
# Z: \2 _/ W( Y9 q7 _/ K' N    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  F; ^' t4 }) E, k: X/ r2 ]  w.grad.zero_()  
6 q: ^. k5 u% [  r% x( Z5 I  b.grad.zero_()
- D' F0 P! l: d# e+ B+ J- N' v* U
print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
  T9 d$ h! v, N----------------------------------------------
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？

老福

6 c$ O7 y3 L. g
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？
-------
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。
8 U4 r% R2 @, e: m, ]" ^-------
6 ?3 ~5 _' z6 r8 c3 v1 ^3 V$ l1 F  K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
3 o5 H( s8 p% K6 U8 ?6 p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？
-------
不好意思， ...

/ ]: I# m- E0 @' \6 ?2 L/ N' v! C谢谢，算法应该没问题，就是最简单的线性回归。
  e  w: J6 \8 l- M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
# M% X, [* t) `  _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 ...

$ U; H, f2 J" J4 C, y4 a0 K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

  {2 u% \& Z, g" C- t, n

老福 发表于 2023-2-14 22:00
4 |5 }+ z6 f5 I1 k8 k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。

: d3 \5 ^) C5 t( G, Y2 [$ o或者把b但的起点改为1试试。 ...

你是对的。
" p+ @7 ]4 _" v" A- L去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
+ i' A9 L# ]9 o- H$ }+ by = (x*27+15).reshape(-1)
; T( Z3 K4 R- f, y5 v0 M" V2 t
循环次数加成10倍，就看到 b 收敛了
w , b
2 K/ R) u9 {2 M; Q: q' ]27.002620697021484 14.826167106628418
! C* o4 I% r; Q0 |  A+ {* m4 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。