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：
----------------------------------------------
# W" e9 D+ ^& h4 L0 |4 e/ jimport torch
import numpy as np
1 y. _6 y) w7 o+ g' t/ M6 mimport 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)
# s9 j" n7 O. W! H: f
4 Z7 Z' M! {/ g  D! x8 Zepochs = 100
, V7 v7 J9 j- f5 }7 u8 I  ~0 O
losses = []
9 H% N  O" }3 D# e6 {; \for i in range(epochs):
  y_pred = (x*w+b)    # 预测
& V% Z, b# X3 _, g' f- |+ `  y_pred.reshape(-1)
) y2 T: U! H0 b
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
+ D! y- J/ i% h& X/ X) L4 q  loss.backward() # autograd
5 m* Q. \5 _/ N  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
3 D# p" S) G3 q% C  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
2 [& V# ~  J; i----------------------------------------------
0 b8 X% J  `/ q" B/ {: z( r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。
. z9 m# I, X  b5 L; o) v高手们帮看看是神马原因？
* i% k/ C& l3 x" Z) I) `

老福

* b3 @5 D7 z6 Z4 r" j- V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？
-------
, G* `. T% Q% `! H9 a0 o$ l7 o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。
-------
. b- H7 |0 _# A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
, r3 \1 k6 Q& F, Q/ v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' Q) y5 |; y% C. m不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
; R6 o; z4 F: F2 t, ]" n- x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
谢谢，算法应该没问题，就是最简单的线性回归。
, z+ ^: b/ v" a' 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 ...

5 j' ]$ {& e+ a2 j  T6 j7 t
, z% u3 Y7 F9 q7 ?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。
" O1 K: C- s/ L$ E) @" t* e
或者把b但的起点改为1试试。

雷达

! K5 B" a: w! a4 B* L8 C" L  o

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。

# y0 P0 u) f$ G5 G1 E+ N; O或者把b但的起点改为1试试。 ...

你是对的。
& _" ~$ a, ]/ T. ]# V0 I去掉了随机部分
6 r: y! Z' m  n. [) p- B  C#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
2 L, H6 C- n8 F' p4 Q, B
循环次数加成10倍，就看到 b 收敛了
w , b
; X- K6 T9 G* T9 U# j( u27.002620697021484 14.826167106628418

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。