继续请教问题:关于 Pytorch 的 Autograd

雷达

4 R4 f. H6 N$ }" t! E9 ]+ \
" V0 ]. e$ Q- ~  u: Y+ t为预防老年痴呆，时不时学点新东东玩一玩。
  s, ^& Y% T! GPytorch 下面的代码做最简单的一元线性回归：
9 h# N" t2 e% F" q. n! ~+ |----------------------------------------------
import torch
! _1 ]% U, {4 I% [* G9 E  s7 @7 N: Dimport numpy as np
import 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

7 H; Z9 E! @- j7 f1 Qw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

$ g; s, t9 F+ q  v3 d3 L1 Zepochs = 100

( o" I7 v. B1 `* y- ^losses = []
for i in range(epochs):
$ F6 W: u8 G$ [; ?2 \' m! ]) \  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

3 r5 A# p+ v7 f& w" U  loss = torch.square(y_pred - y).mean()   #计算 loss
. \1 r! J) B8 W5 \! H  losses.append(loss)
  
! W/ W7 w# F: m  loss.backward() # autograd
  with torch.no_grad():
5 e$ ^) {) _; {! ]    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
( ~0 v$ b+ p8 L; g# j, O; g  b.grad.zero_()

print(w.item(),b.item()) #结果
6 J4 i* t7 t* I% J1 L2 l% [
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。
* b/ J& X& f' N高手们帮看看是神马原因？

老福

$ t* j+ L3 b6 g5 H. J: J+ w
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？
# J0 r: E7 d2 X-------
, F! E& D9 _$ \/ u3 c' u, y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。
6 o/ I) i# X# W  J6 V( A3 j8 w-------
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？
-------
7 n( v! |$ t8 u1 S8 ~# y不好意思， ...

3 @' o6 r# y' Z5 ~谢谢，算法应该没问题，就是最简单的线性回归。
- y/ w5 k  t6 D) S9 M3 K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。
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。
8 V8 d) @, m6 z  t% u) M4 z
7 X: Z  X8 M0 ~( S7 V; x或者把b但的起点改为1试试。

雷达

0 [, _9 A: }. n

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。
2 P4 K' u% E) k0 w
或者把b但的起点改为1试试。 ...

2 @+ y) ~3 S9 T* n. Q- E
你是对的。
3 J' t6 u+ h$ r- X; {去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
& m2 c* t1 o* My = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 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。