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：
$ D  l; }$ ^- L. o1 Z$ p. l9 L! f----------------------------------------------
" G" V7 T2 X% S7 b4 C& ^8 g1 |import torch
& ^- A0 d( ]1 Y2 Y9 Uimport numpy as np
# S: j$ T% y% l4 J7 X4 l+ }import matplotlib.pyplot as plt
' C* ]% I1 f4 M5 M7 g- l4 kimport random
  L" J% i6 o; c' d' u/ Y
3 w! E: v7 R$ [0 ]8 F) y# Lx = torch.tensor(np.arange(1,100,1))
* P. _$ U1 U7 P- i1 Ey = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
7 U. ?6 P. g3 \4 P5 Y0 U
, \7 `: e2 H/ O" ]w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
" ^2 t+ l+ n9 c/ f, A
epochs = 100

losses = []
for i in range(epochs):
! ^' |; p! q& H  Z$ Q% q  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
- J3 v3 w( t% _5 t7 h* d" W
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
- O6 C' H8 y- U- {8 K  
  loss.backward() # autograd
8 L! O. v6 V$ R* q0 p1 A: [' z1 l, L  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果

' f5 ]% E* @! J3 w& z. kOutput： 27.26387596130371  0.4974517822265625
6 ]: H3 W$ r" S3 ]----------------------------------------------
$ O' J" r% }* I* M* S, ^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

, K2 k6 K( f! i- X% {  j
; T2 Z9 l  P% T$ }+ y5 S  i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。
) H/ }' N9 b4 ]3 A-------
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？
6 n4 B7 b2 O# Y0 k1 x0 l-------
  }5 @/ H6 W( k8 |# C不好意思， ...

  C/ ^. b% h' E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

+ Y. W7 I9 R2 f7 j: Z7 f& Z9 k% V

雷达 发表于 2023-2-14 21:52
: M7 _4 p. @" D8 M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 ...

* H" b/ W9 D/ q9 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。

或者把b但的起点改为1试试。

雷达

* y2 z# i7 g0 j6 n+ H% T

老福 发表于 2023-2-14 22:00
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。

7 s) M% n( K+ n或者把b但的起点改为1试试。 ...

% L: I" b  B& I( G/ x$ n你是对的。
% T; v+ M9 Q+ G3 I/ x去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
2 V6 F5 h. N1 j4 j6 I4 v/ N
循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418

" t0 T- _$ P" b* s$ }: ^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。