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：
: \) T0 Y8 k8 o0 ]& x----------------------------------------------
2 A& K8 y4 D+ ?! G* R4 Fimport torch
import numpy as np
6 |: R6 o% g) E" y# k5 U% E. G& uimport matplotlib.pyplot as plt
# d& f" x: S1 d2 {% `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
) u+ U* P5 w* S2 b6 K2 F
: x0 L5 _( c% X/ lw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
- u* I  P4 o$ A& ]# N6 h- i
epochs = 100
& x8 S2 M5 o! p5 f5 g8 x5 I
losses = []
6 t6 `* h- i" p* Q# F/ U9 }. Kfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
& h: Q7 C3 b4 V8 L. Q  y_pred.reshape(-1)
- ]- r( t; O# {
  e- N1 D  n( @: B; W& e; Q- J) Z5 n  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
( p5 `# N- j: q% u" K( M* M  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
% r% ]9 F# M  d. I8 y* T2 l    b  -= b.grad*0.0001    # 回归 b
% [: r) V8 H  n' ~  w.grad.zero_()  
  b.grad.zero_()
" d6 M- r1 ]0 d7 o) D9 I$ U
print(w.item(),b.item()) #结果

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。
高手们帮看看是神马原因？
) W  I! d1 L/ o, ~: M) }

老福

  g" ]( I! G$ Q# d2 H) A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？
  {# }6 u  Q! @4 O-------
/ y  q$ U% n8 r4 S, p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。
-------
5 f- D& ]0 d, o+ n4 T2 X3 N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？
8 N  j. a! S% w3 f-------
不好意思， ...

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

4 ~, J: f  e& {1 f. _

雷达 发表于 2023-2-14 21:52
9 D' d# \5 r# |# s; V谢谢，算法应该没问题，就是最简单的线性回归。
) V( o# Q% j; {5 J: P9 p9 `8 @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。

( d: B" H6 X% G: q7 M+ J+ g$ E. a或者把b但的起点改为1试试。

雷达

. U6 b7 y+ X2 X: w0 F

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。
: y* a4 V+ {& `5 T  C
4 C% C* f  K) W3 E* I" W3 U- @5 d# r或者把b但的起点改为1试试。 ...

& D4 l, J3 Y% Y2 ~+ ?! v
你是对的。
2 {+ S- Z+ h8 w% O* r/ H! T6 @去掉了随机部分
3 ]1 o9 y& |! L% y8 J/ s#y = (x*27+15+random.randint(-2,3)).reshape(-1)
1 U! o0 |& S8 Fy = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
" a* w" K3 _# t* ]- C$ N( @+ {% N27.002620697021484 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。