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。
/ ]' a# A8 q- q8 A& ^% v+ P* vPytorch 下面的代码做最简单的一元线性回归：
3 c7 z1 i6 s) F4 t  V2 [+ U----------------------------------------------
import torch
/ G# B& S3 n1 }: r2 [8 H- X! cimport numpy as np
import matplotlib.pyplot as plt
8 @, m0 w# q3 C. @8 p% \import random

x = torch.tensor(np.arange(1,100,1))
$ B1 R2 o3 o0 }: Gy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
. F8 x- y( w; v1 [. L
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

. F3 w, e1 K& Gepochs = 100

! d: e3 V- ]2 j0 W* J2 klosses = []
for i in range(epochs):
$ O) p7 Y9 g$ f6 e2 b  y_pred = (x*w+b)    # 预测
5 [9 k( t7 B: S% G3 ~7 `- S  y_pred.reshape(-1)
4 j8 \1 ~. n* h" s3 J1 Q9 b
  loss = torch.square(y_pred - y).mean()   #计算 loss
5 y. G; \& g2 I0 p; c  losses.append(loss)
  
/ n8 k% x7 o: ?4 P3 `/ F! f0 u  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
0 I" ~  l5 a$ s9 J( {  w.grad.zero_()  
  Q* `# s% a0 R9 L  b.grad.zero_()

" ~( w0 d% h; L' f; L) ~8 Y/ ?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？

老福

& X/ B- m3 H0 ?; Z% g! S# `6 W. `
) |% E$ t) ]7 l. B5 K$ @, ]0 O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？
" p6 Q. d* f! O  ?  B1 `-------
, f1 E" ]/ d" z- l/ n9 a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。
-------
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？
( }4 a; k+ H( P: J) E-------
/ D! z5 `0 b( B: x/ u3 w" n不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
1 G) P% R9 {* m( M& 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一下。

老福

雷达 发表于 2023-2-14 21:52
4 b* M" d6 s+ z  G- I, @! ?谢谢，算法应该没问题，就是最简单的线性回归。
8 R, L. e9 B% R& U& C  U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 ...

$ X. b" [* v* f$ U9 Z
% }7 W9 H( P* B: i1 C; T* V$ {2 L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。

4 u# X2 K1 V7 B' Q1 Q+ J4 i或者把b但的起点改为1试试。

雷达

老福 发表于 2023-2-14 22:00
' U1 H$ o+ \- t' A& Z9 B1 Y% }+ d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。
6 ^% a! f, n9 z3 j- v! y
或者把b但的起点改为1试试。 ...

( w" w9 l4 ?* X' _
你是对的。
8 h& `  R$ a0 j9 W# I6 Z1 a去掉了随机部分
# H2 W4 v1 ]# S6 c. e- _  Y' J#y = (x*27+15+random.randint(-2,3)).reshape(-1)
( B9 c3 k# D* \$ b0 E  R7 I, ?3 cy = (x*27+15).reshape(-1)
- I+ ^3 @7 c7 B. M3 f; l7 K
循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
% u0 h0 V: }2 u- v5 d
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。