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：
! ~$ U2 A! K+ D8 U----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
import random

% f: A. A9 C) ~% i% ^- J7 h! Y7 Y: ex = torch.tensor(np.arange(1,100,1))
# Q5 p7 k6 e* i# q, L$ y! ~( N8 Iy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

$ T5 u. G8 Z  y3 p8 p; e, j. aw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
! k. _% b' d5 O% S
! r6 H3 c1 m3 w, Yepochs = 100
* `6 j. C6 n, e4 b( A. e/ X+ N
9 t; W' N8 v& v4 B& x1 a+ u  c2 _losses = []
for i in range(epochs):
+ D' m( @" w( v* z' c& A  u  y_pred = (x*w+b)    # 预测
: D8 q: _* A+ e+ a( \; y5 M/ |  y_pred.reshape(-1)
" S# _' k  R- ^2 _
  loss = torch.square(y_pred - y).mean()   #计算 loss
; }) Y$ E/ }* j6 h* s8 G, o' S1 D  losses.append(loss)
. Y' k+ a& j9 W# L  
  loss.backward() # autograd
; y; q6 h7 ?4 a7 Z/ d! p1 L  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
+ T6 ?9 D+ Q( d+ Q! O    b  -= b.grad*0.0001    # 回归 b
1 W9 f2 g+ e" u8 G+ Z9 e  w.grad.zero_()  
  b.grad.zero_()

7 u0 a6 k" f/ o$ Dprint(w.item(),b.item()) #结果

' p" N+ u" I/ P5 ?/ z( n7 @  \8 c1 sOutput： 27.26387596130371  0.4974517822265625
; Y/ s. V+ @( Z! y7 f----------------------------------------------
. p% I2 W; G% B2 s" _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。
2 N6 ^7 U( [! T9 ?# ]8 C高手们帮看看是神马原因？
& C1 v8 T. p8 }3 `9 c, ]! }

老福

- k. T3 D. a- W' n; @$ r! R
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。
, T4 W& x- W7 N* r. O: X-------
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
5 j/ T  s0 w% X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？
-------
8 J6 u( H! e# d8 [0 S; e5 P不好意思， ...

% q& N2 J* v+ A6 p- E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

雷达 发表于 2023-2-14 21:52
8 B6 e1 J2 `3 ~5 ]/ C$ R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 ...

6 A( C- g$ ?# r, b% d/ s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

! x) p6 a& ~- y9 O) E

老福 发表于 2023-2-14 22:00
- J. m) @, c' T+ \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。 ...

; ~- |9 H' X# w, p# j
4 [2 ~$ B/ O& R9 Q' e* a你是对的。
去掉了随机部分
& i, [8 |" `+ D. i3 B#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
2 J, c" s7 @8 j4 _; s- c) D' G
循环次数加成10倍，就看到 b 收敛了
- A3 @: C# M% Fw , b
27.002620697021484 14.826167106628418
9 w4 V' n/ h5 c8 C. c  H
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。