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。
* b4 x! Y: A2 J- z7 WPytorch 下面的代码做最简单的一元线性回归：
$ y$ u' D- @9 N+ v0 L! A" X----------------------------------------------
import torch
import numpy as np
1 o9 E8 j' u5 W& r% |+ m2 j. vimport matplotlib.pyplot as plt
import random
1 e' w* o# K* n2 _
x = torch.tensor(np.arange(1,100,1))
/ M0 i! v) T/ t4 T. K. ?y = (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
/ \' r  b5 O* X9 F4 Jb = torch.tensor(0.,requires_grad=True)
: ?* A9 q$ Z: D) C  k
5 y4 x0 G/ r; n6 t7 p' Q9 g$ Fepochs = 100

losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
2 O) t2 b8 U) R: U2 ~  y_pred.reshape(-1)

, {- u; F% W( B+ o! ~  loss = torch.square(y_pred - y).mean()   #计算 loss
% l+ J5 }3 C# y! _  losses.append(loss)
7 F. z+ z4 w  I! m) k  
  loss.backward() # autograd
  with torch.no_grad():
3 q: F. n  e6 T( n. U* k; K  o    w  -= w.grad*0.0001   # 回归 w
+ g4 I" |- f* Q( d: i    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果
6 i4 p1 }4 n, a
; V7 j( N8 j1 h0 G# l- tOutput： 27.26387596130371  0.4974517822265625
. {  g$ x7 L2 C& a& ~0 T9 P) Y----------------------------------------------
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。
  R" Q, S! z  Z: ~+ K% x- O) D高手们帮看看是神马原因？

老福

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，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。
& ~1 D( w! V# P5 N, S/ t2 I  A3 }$ w-------
) A' J4 i  p6 i, F# @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？
" b4 z/ k- A; e5 }7 }% U% D5 I  K-------
不好意思， ...

, @% p& @: f) T) c1 {谢谢，算法应该没问题，就是最简单的线性回归。
# }! h, ~( l* i7 o, c8 n# d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

6 |- K: @( B- H: h

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。
% t+ h: Q+ n* e" H6 ]+ J$ K3 [6 M7 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 ...

  t- t8 p$ z; ^6 L, x
0 w% |# Y+ \# 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。

3 l7 s( X# f% v  ?$ M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
' y9 N% b/ x5 [) 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。
/ J3 O4 N# ]( ^4 J. m1 D- A
或者把b但的起点改为1试试。 ...

' T' P/ u0 g% z  U/ c- a
% D8 Y" N% `6 k: U. }. i你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
- r* O2 S7 r. D% y+ c7 e! my = (x*27+15).reshape(-1)
0 r& o" J( i2 }
' }$ m. z- E! u9 m循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
. L+ j3 K5 Q. M( U
7 F: e6 [* h" n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。