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。
+ E5 J+ W& O  l- i+ @Pytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
import numpy as np
* s- B( H' c3 }5 Q9 E4 o: a" iimport matplotlib.pyplot as plt
import random
. j$ z. ]! N* v
x = torch.tensor(np.arange(1,100,1))
& y. w' E4 Z! P) I$ ty = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
9 L/ D' k2 r# y; R
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
3 J. |! r. j9 l4 l! L, z
# J: ?# h$ k& y1 E" ~epochs = 100

8 E+ N7 F7 M8 w" T4 j  `losses = []
& ]; T  s, i6 g2 yfor i in range(epochs):
7 f+ o1 y3 a8 h, m6 A  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
! k" h5 U& b# ]" O' ]
  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
# M/ X* L  a; W+ }, t6 r8 a    b  -= b.grad*0.0001    # 回归 b
, L" I9 p) C$ W/ A  N- q8 t/ c  w.grad.zero_()  
  b.grad.zero_()
1 y2 i* L5 U; h; ~
) q. m4 a- t6 S% `7 z5 Fprint(w.item(),b.item()) #结果

& v# I& Y; C3 |8 N( y/ L% fOutput： 27.26387596130371  0.4974517822265625
3 n5 x! p9 Z& B" _----------------------------------------------
) g% \& i' V$ T& W9 M2 J6 V4 X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# A$ ~8 ?% ]. j高手们帮看看是神马原因？
. I8 [, p: m2 M* D$ Z1 i

老福

/ \9 Y" g8 d0 d) {0 H5 g
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？
, z( H1 P: L  Q( G& Z-------
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。
& }, }# A$ r1 o. y8 x% H. T-------
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
  E9 t! L" O6 m9 n$ t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， ...

  x) e: B; z  z4 |* x0 a5 t9 d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。
' G! u8 D# w! O, O3 C( t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+ f3 _8 q3 l. |  K, M
" o) U. h6 r* c  {: Y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

4 y6 H2 W6 K7 J! m

老福 发表于 2023-2-14 22:00
: I6 F9 m& E, a9 ]' d- Y0 Z! 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。
' }$ J" s+ |# F+ c; m; m
3 z# @/ A5 I, e- w3 k6 P或者把b但的起点改为1试试。 ...

( @. g' R3 l7 X  j8 _% W: `+ p+ f! J, L你是对的。
去掉了随机部分
; Q3 i6 _$ a' O: L4 e#y = (x*27+15+random.randint(-2,3)).reshape(-1)
: I+ y" R9 W5 Z- @6 O+ iy = (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
: a( o0 ^: l+ J) j  x' R
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。