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：
----------------------------------------------
, ~5 i0 ~* F3 F& [9 Dimport torch
% u* V. n* ^, Y. R" F( mimport numpy as np
import matplotlib.pyplot as plt
1 v. u9 H$ u2 N) R' R# q$ oimport random

, a$ }8 ]: W! m- g4 W8 l+ J; U  Mx = torch.tensor(np.arange(1,100,1))
! [$ y+ y, O, m+ m, \# ?, Ty = (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
$ H% X, V! ^% ?* b2 ]5 f% }' l( d/ B  nb = torch.tensor(0.,requires_grad=True)

epochs = 100
/ [2 r) p  ~: Y5 ^
losses = []
" f+ ?/ ^4 W! E, Qfor i in range(epochs):
* K) Y2 r$ o( b/ e5 j( y  y_pred = (x*w+b)    # 预测
, R0 g) G/ o# G$ D% C8 K; {  y_pred.reshape(-1)

5 ]7 S' }% D1 m* X3 N) S  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
- i$ e4 @% }& Z1 l2 p, K    b  -= b.grad*0.0001    # 回归 b
- V7 U: R) ]. O+ [  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果
- A8 x7 B. q' }
. b3 E1 q' i- @% qOutput： 27.26387596130371  0.4974517822265625
+ ?( q) F2 W3 M! o----------------------------------------------
  z) K  J, t4 W4 N7 O  p1 K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。
! t& t( Z7 H) D$ D! D$ l1 G高手们帮看看是神马原因？
) a# z  J2 V7 ]0 P  o' ?

老福

4 ]- }& Z6 C$ Z. B1 c/ H
9 h+ O- O9 O' u# Q, b  j3 F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？
/ H) S1 g0 b4 I-------
: X* g( l6 m4 m  y7 K, C. k7 W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。
-------
3 O9 X% s! `3 ~( u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？
-------
不好意思， ...

) p& s6 L7 G4 S* a, h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
谢谢，算法应该没问题，就是最简单的线性回归。
7 t0 u+ C$ ]- c1 n1 Z) z2 V5 Q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。
2 k4 d6 I1 x+ K$ v
或者把b但的起点改为1试试。

雷达

: X1 @# L4 L  K1 V

老福 发表于 2023-2-14 22:00
( N& y# h* i8 |6 Z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。 ...

3 F3 P6 {& ~) K+ _; Q4 V! L+ @
你是对的。
5 G/ V6 `& V0 O去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
. ]7 \  h  ^# d5 F1 Gy = (x*27+15).reshape(-1)
5 t" k+ w' }/ [: k( {" A6 B6 S9 N
) w5 r! e$ g# n! _% v' }循环次数加成10倍，就看到 b 收敛了
3 z0 v9 c9 C0 D& N, nw , b
: t1 x4 Y8 t+ W27.002620697021484 14.826167106628418
+ R! s/ A0 B, D; p7 H
$ \4 |/ }5 P9 g" [+ u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。