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：
----------------------------------------------
8 ^: I4 }! S$ u, u3 _import torch
import numpy as np
6 L- p. N" ?- a9 U2 d) o! jimport matplotlib.pyplot as plt
import random
5 B1 g8 q9 G* K: v4 Z: i# a
! I8 i9 W2 ^9 Q" l& Z6 T( ]- Hx = torch.tensor(np.arange(1,100,1))
3 g) Q$ C( O% Q7 ?4 \& Ry = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
9 X  p; M2 q0 k% Z7 e% F) Z2 [2 @
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
( c3 [( W1 v4 K' u. P6 @  v# b. Xb = torch.tensor(0.,requires_grad=True)
" w" T. R! _8 j5 p  n
( U/ E( ]/ e% H- F8 m4 _epochs = 100

losses = []
for i in range(epochs):
4 g( |$ t' @5 [. k+ f  y_pred = (x*w+b)    # 预测
/ P6 N7 o0 P9 }+ O1 j  y_pred.reshape(-1)
  X* x% i! ~1 q9 `/ k
) r& a" `( q- o3 p6 L, D4 ?1 V1 J  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
0 G) Z! B7 v4 C7 ^5 z# O  U  
  loss.backward() # autograd
7 V9 D  ^' ]/ m5 s( B$ I& ~+ A5 t  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
2 z9 F: Z2 c6 Q. g. V) s    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

% f2 w7 n  n; uprint(w.item(),b.item()) #结果
; [! r) j& C( T: w' J
9 q% L7 b/ {# R4 mOutput： 27.26387596130371  0.4974517822265625
/ }; i. e* h1 P/ W* ]+ 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。
- e% J/ f/ M/ y; m1 n) u/ S高手们帮看看是神马原因？
3 ^% b" \. O' l% V4 X

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？
+ N' h9 M1 }# x8 o: ?1 O5 a9 v( Y-------
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？
-------
不好意思， ...

8 E% k  z$ f! a1 p9 M谢谢，算法应该没问题，就是最简单的线性回归。
% i* {6 d) \4 @, D/ 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一下。

老福

# Z. C' Y$ p  ~; o

雷达 发表于 2023-2-14 21:52
; a3 A  ?: P( \) `: S. ^7 e2 }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 ...

! Z# E9 l, P/ k" q! H. D# T! b
6 o* @, E# X* B# p1 a2 K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。
6 C( {: m. i4 }$ E1 b0 l% @
或者把b但的起点改为1试试。

雷达

0 w! w) {. [2 L: p* K/ D

老福 发表于 2023-2-14 22:00
- e& @: A/ i9 d' A4 e# |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。
# N  R9 j! e: v6 |( u" ?
或者把b但的起点改为1试试。 ...

8 c3 x. R  y- a
你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
: t; o( J9 Z, \5 V. zy = (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

' C# }, A  ^) \3 y& w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。