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。
+ N' U& c% o. c9 ]  qPytorch 下面的代码做最简单的一元线性回归：
1 Q$ e8 a3 ?; N: z2 X----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
( H/ a) p5 A2 _* G% R2 bimport random
& U, e8 T$ ?. o4 n- Z; i
# H! J2 b, J( V+ S6 d2 Ix = 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

3 s. I; [1 A) S# S2 `9 ?* ]w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100
, w9 M! I" S5 j6 R- f3 W' s
! {/ D$ a" |1 E! A" Jlosses = []
8 |& d; x( d+ v* b0 @9 N0 Bfor i in range(epochs):
. i+ @" Y) C+ h9 c6 g+ ]  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
2 s, w0 Q1 [, ^( R' d
5 ~8 I) U, g: z9 b6 p/ P( E  loss = torch.square(y_pred - y).mean()   #计算 loss
4 J$ \, D  R) X6 f  losses.append(loss)
  
3 M# Q, F0 s8 K  loss.backward() # autograd
' U: o$ z; O" p  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
0 P+ d0 J; g3 t5 f  w.grad.zero_()  
  b.grad.zero_()
( f; s) n" J# {7 ~  X
print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
! ?# z3 W% f4 w$ H! m; g) d----------------------------------------------
% L& P5 X8 ^1 E2 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？
1 s. B) e3 x- B1 C4 {

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。
-------
% ]0 |: Y+ k) Y% W' ^. j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？
-------
; M# {# r1 G+ V不好意思， ...

  p7 c- c: _5 S8 f( l$ Q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

3 r( K- Y+ W; `) n( x0 S1 S% a

雷达 发表于 2023-2-14 21:52
' a* ?- f" o: J3 c0 r9 Q  q谢谢，算法应该没问题，就是最简单的线性回归。
; z, H' B2 h5 h! Y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 ...

' Y2 L* U# A$ e1 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。

9 }6 V9 V$ A5 ~3 H或者把b但的起点改为1试试。

雷达

) C7 f% V! I9 j& W! p( V) c

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。

或者把b但的起点改为1试试。 ...

( q: j$ E% [3 s2 x6 _你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
9 C$ _2 V4 P9 i5 B  x8 x+ u) i4 n
循环次数加成10倍，就看到 b 收敛了
& y  o. K4 U2 Uw , b
) v1 |& c! Z" x- y) `6 k$ x27.002620697021484 14.826167106628418

' e/ B$ i* R. a# 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。