继续请教问题:关于 Pytorch 的 Autograd

雷达

& D" V, z" w- b% @+ L+ C3 F8 \为预防老年痴呆，时不时学点新东东玩一玩。
, r  Z# p- o. w6 P# R( N( aPytorch 下面的代码做最简单的一元线性回归：
& w; Z3 }* N& Q. c----------------------------------------------
0 y2 U7 O4 d/ H* ^. G( {! kimport torch
import numpy as np
import matplotlib.pyplot as plt
$ a7 b0 Z: G* yimport random

, F% A' P0 v( Q2 i; Z2 o# ux = 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
, f% @" {% Q! v! r6 D- z! xb = torch.tensor(0.,requires_grad=True)

) ~! R6 Z/ ?; vepochs = 100

losses = []
# U5 D0 M' H; k9 lfor i in range(epochs):
5 g  }! [! p) R) C5 d' ]  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
5 H6 q  A9 e$ _$ u' w2 b6 f4 E- g- H    w  -= w.grad*0.0001   # 回归 w
3 {: r) ^5 m. y. _/ r    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
- O8 |2 K) z% O6 r
print(w.item(),b.item()) #结果
$ P9 p9 Y8 R, S7 y
# A2 a- G5 U- J  w8 d, hOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
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？
. M& r' s! D/ ?6 h, l

老福

2 ^0 O2 Q) F# ?2 S. F+ h
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。
-------
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？
) v+ t9 `$ l5 a: e' J) N) m9 u-------
2 F- p4 P& B1 U, X* y不好意思， ...

" X& }$ j1 h7 m- v+ q* ^6 ~谢谢，算法应该没问题，就是最简单的线性回归。
, V% }1 {/ N% i9 F  ^5 y, N, ?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
! Y" y( F. Y9 b6 Y; t0 W谢谢，算法应该没问题，就是最简单的线性回归。
* h0 w( |0 E* ?: F3 m/ k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 ...

* j0 \( q' F1 q$ O% y
1 U/ b, t8 O0 W3 Q* p# t. O& 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。

" O9 {1 q/ _7 R5 H1 w或者把b但的起点改为1试试。

雷达

! O# U5 L: i1 e& k

老福 发表于 2023-2-14 22:00
! s+ H5 P2 N/ [8 y0 P/ W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。
% y8 N& V# k. e- p& N
或者把b但的起点改为1试试。 ...

% q# d* V: u8 O' n: o) A8 P你是对的。
0 H" j/ X. \- e6 S; o8 l+ G去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
' Y+ T0 W5 n9 By = (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
2 v7 C0 r# b7 A1 k3 T
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。