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。
( \/ D" `; r- [, C/ g3 f* n- }Pytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
# w0 u: W; A% Vimport torch
4 o3 G  N; ]1 Z# v$ Simport numpy as np
import matplotlib.pyplot as plt
import random
* j9 j' `3 F% F
: [6 ?1 \2 p8 {- F! @) O8 u$ wx = torch.tensor(np.arange(1,100,1))
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
$ V, f  }5 Y( s$ mb = torch.tensor(0.,requires_grad=True)
# z* \, m7 k" u
epochs = 100
+ |  u/ r; D0 `
$ i# Y4 u3 T5 u) w3 s+ plosses = []
8 Q% B9 `! ~* [$ T1 Gfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
. E* f7 l. y( B& e' j" k  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
+ {  b0 ]3 j' [  
  loss.backward() # autograd
  with torch.no_grad():
' P1 {1 J9 z$ M1 u  X    w  -= w.grad*0.0001   # 回归 w
  F- U. g* ]3 G' M    b  -= b.grad*0.0001    # 回归 b
9 d# S0 |" r' ?8 i" K* _6 V7 i0 w  w.grad.zero_()  
  b.grad.zero_()
- p# ~  L+ V! w! W+ v0 Q) C+ C
: @) f# S+ u" F7 F1 f8 [print(w.item(),b.item()) #结果
% _* I+ Q4 J8 e- _) L
Output： 27.26387596130371  0.4974517822265625
' @2 D( M& Q' w- v5 d- n/ j$ ?----------------------------------------------
$ _& I/ g: q; _) _6 s/ N+ w3 o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。
1 Y- x* k" O0 Z7 ^. Q1 u4 C高手们帮看看是神马原因？
! w9 J: G6 R0 |1 Y1 S

老福

9 x/ A# j5 h2 ]% N+ @2 w! V. L% x
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？
-------
; m1 ?8 m6 K: W# S; y3 P8 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。
-------
: Y+ G0 {6 w2 s1 G2 Q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
; v9 o. Y5 w* v+ i" p8 [7 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， ...

谢谢，算法应该没问题，就是最简单的线性回归。
* }% L  n8 F$ n6 S. X1 w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

7 k9 s2 @2 x. a: S! ^/ ~; Q

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。
5 B2 ~- H6 Z5 k. E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 ...

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
1 x. H& ]; N4 b1 x- A* d6 v' p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。
! L/ Z. n3 X$ u6 ~* y
或者把b但的起点改为1试试。 ...

7 F( G# E' i. `" B0 }# _2 v" B
+ l" B3 L1 K0 I* `" f' h5 G你是对的。
) ^  \& x  R) e4 A7 z- e/ q去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
( w  L, A/ N6 l6 K* my = (x*27+15).reshape(-1)
. X  A, t  I3 n. G0 w- A
循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
1 _6 u; ]5 a6 h" y$ Z2 c3 Z
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。