继续请教问题:关于 Pytorch 的 Autograd

雷达

: D$ g0 M9 a% E/ t  p
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：
----------------------------------------------
import torch
0 s6 v4 W) X' U' R5 b: ?import numpy as np
8 Z/ C& W$ i. Q, Fimport matplotlib.pyplot as plt
, j9 Y& B3 _  \: Limport random

x = torch.tensor(np.arange(1,100,1))
- ^; s+ D# J( K$ e0 Wy = (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
8 U9 u5 ?  z3 r' l0 H0 {1 X3 \b = torch.tensor(0.,requires_grad=True)

7 s0 ?) c6 x5 nepochs = 100

3 u2 l4 k, ?# T. x1 olosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
9 ?: S' O3 m6 q( T  y_pred.reshape(-1)
# P. O; z! [/ C/ n" W% q2 `
  loss = torch.square(y_pred - y).mean()   #计算 loss
1 p* ]# \( O" t- _4 ]1 E  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
3 _9 [$ I$ V: ]* a0 M+ u% y, h    b  -= b.grad*0.0001    # 回归 b
) c+ Y# d; h- u. i  w.grad.zero_()  
  b.grad.zero_()
2 b7 s; `0 v8 M2 _
print(w.item(),b.item()) #结果

) G$ N& Q- I, j6 c3 s6 ]Output： 27.26387596130371  0.4974517822265625
) T9 p( `1 F% o7 k2 x' _% E----------------------------------------------
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？
/ |4 L+ |" m: @% d  p( w& c2 C

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。
- U) O% H7 Q# c! e. t  \; H1 I-------
* p2 _5 H! t) 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
$ A  }& R: A+ [8 P3 ]6 Y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？
/ P/ B) p: c7 w4 |-------
/ b; q- F; r$ T7 \不好意思， ...

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

雷达 发表于 2023-2-14 21:52
- |% j6 a: ?% L; c/ B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 ...

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
8 r# }( H+ y- s" F$ l) F5 H. i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。 ...

- m+ `! |3 R$ x; r
- L" N& M  w0 Z9 r2 d' l你是对的。
去掉了随机部分
! }/ }* L+ }' Q6 u6 S5 _#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
; U1 n; V( K* ?! B+ u2 u* n8 I
7 g+ f/ p+ _' n. D+ \- C- x循环次数加成10倍，就看到 b 收敛了
1 t8 _* [+ }5 g" c! Tw , b
9 N( j/ Z- f7 {5 [: B7 ~27.002620697021484 14.826167106628418

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。