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。
# [- x5 ]( v) i$ Z" B& }Pytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
. D( _; G! s; M8 q' k8 w3 A# ]import random
6 c1 H, w$ H& R4 K
" _, N5 m+ o0 \% B, W" W7 s% x/ Xx = 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
1 j$ e! x6 @& S) r4 j: W
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
+ Z- F' d" l) F  F! w0 L" I9 yb = torch.tensor(0.,requires_grad=True)

) r6 q$ J/ W0 j  ]+ uepochs = 100

losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

% X5 H, V7 ]  B4 {% q  loss = torch.square(y_pred - y).mean()   #计算 loss
9 ^% P: ]+ L% p& H- l; J  losses.append(loss)
  
' w  Q+ x- c. K6 |  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
8 h, X7 ^& f8 \8 \" S6 t    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
6 N  d1 @& M( I" \& ?+ d: F- v  b.grad.zero_()

print(w.item(),b.item()) #结果
2 }3 o" N5 o/ \% N/ i0 z
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。
7 K, {) N& I+ k* J0 J5 v高手们帮看看是神马原因？
4 x# M2 [* p" s: i: w5 c

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？
-------
$ w/ U9 M! ]8 H* A2 b  B& k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。
( V( S* ]$ `3 y0 ]) L! P" y-------
( s4 ^4 @& x6 ~  n2 Z) T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？
' G8 V, @2 r7 {& Q- h# I2 z-------
不好意思， ...

8 @2 L! W+ J4 ~, J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 I5 `7 e6 }7 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。
0 z8 O' W' V1 O# h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。
3 \: t5 h' ^+ K; T0 ~5 p( K+ J
& G1 e$ e% N# ?' e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。
& `' ]0 g( ?1 C; L7 d
9 m* `5 o& Z+ F/ Q2 B! h3 W6 N或者把b但的起点改为1试试。 ...

  ]' Q9 ^( ~9 d0 R2 w* P# A& W
) z+ F/ ?; `' ^2 d+ x* Y6 w你是对的。
去掉了随机部分
* ?. n$ J' a2 j, O#y = (x*27+15+random.randint(-2,3)).reshape(-1)
( s2 {- f8 h! H" s- m  c( my = (x*27+15).reshape(-1)
3 b  x" J" `4 G0 P9 F$ U0 e0 P
7 [* M  W; }5 B3 ~4 i循环次数加成10倍，就看到 b 收敛了
4 K; [4 J7 S+ K; gw , b
27.002620697021484 14.826167106628418
- \& i8 T+ [: B/ ^7 L
0 J+ X) y4 U; \3 K# x9 _# s- u: F2 x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。