继续请教问题:关于 Pytorch 的 Autograd

雷达

: l! `% r9 t( N5 m, S3 N
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：
----------------------------------------------
+ m$ I2 l7 R: U, J' N: ]import torch
import numpy as np
import matplotlib.pyplot as plt
( {3 H  F/ \" [' Simport random

) H. }; z$ x$ m0 lx = torch.tensor(np.arange(1,100,1))
5 X5 A6 J- i* Oy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
; D3 G6 [7 y) k8 G. K7 T, j
- F5 e2 `* n* jw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
) v) X6 A( H# B( a& J* pb = torch.tensor(0.,requires_grad=True)
7 e( K/ T# B% p0 P! i5 q; j
5 x+ X5 r1 B* k0 k0 B) f; a# Iepochs = 100

) E; \0 @# n9 q3 u9 `losses = []
for i in range(epochs):
8 K; M0 v& A/ H5 I  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
2 b4 ?5 J" _9 ^4 l( e( G+ z! b
  loss = torch.square(y_pred - y).mean()   #计算 loss
8 f% p+ v  E' y: W3 R  losses.append(loss)
( J/ G! m8 N9 U& }$ w2 a; v# B1 D& E4 ^  
1 P, L' W+ Q' b( c1 ?2 m/ K/ x  loss.backward() # autograd
  with torch.no_grad():
" I# Y5 Y! B* K: J    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
- V: e) D% a0 L( ^, W% M# R  b.grad.zero_()
7 A3 y4 R1 Y; V% g2 Q: o5 s/ i/ X
print(w.item(),b.item()) #结果
4 O, n" ^5 L2 h9 c7 p: q6 I
Output： 27.26387596130371  0.4974517822265625
1 W' h6 K# p, U, q' l----------------------------------------------
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

- n1 {7 t$ h$ N8 K
6 \1 p8 M+ U7 ]3 u- @8 O9 V2 T+ L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？
5 O0 E+ \! }7 P0 v-------
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
3 w1 V  a8 b' W7 e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？
- f% n( g4 C7 K-------
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

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。
% d1 t$ q" [) ]  @; R5 B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 ...

. t; t7 ]" _) x7 R; O& t
7 p, a7 N* d& C: l  V: {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

老福 发表于 2023-2-14 22:00
7 G! r4 ^6 N1 Y$ Z- Y# J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。
  u7 _* _% l1 e, t  _  ?: w! v
或者把b但的起点改为1试试。 ...

你是对的。
7 _, Y6 z, Q) U" D. m, H  w3 F去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
3 i  U5 z0 n3 a  Q. H27.002620697021484 14.826167106628418

. I: V' G4 f7 [: Y4 _! g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。