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。
  V( z* i; l6 i0 Z  v. x* ^Pytorch 下面的代码做最简单的一元线性回归：
, I: i) ^$ x- B+ m5 A----------------------------------------------
. ^, ^" X1 Q0 c! K  n5 ~4 ximport torch
import numpy as np
import matplotlib.pyplot as plt
import random

6 t8 x) B& o6 j( h2 T$ yx = torch.tensor(np.arange(1,100,1))
2 ]5 {9 X, `" i  c. [. |% ty = (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 d# J$ N1 k' g8 K8 d' Rb = torch.tensor(0.,requires_grad=True)
7 o; o+ f) F! F+ O% g+ S, W
epochs = 100
+ c4 G+ G! N+ u. _7 E& ^
losses = []
for i in range(epochs):
2 S  `1 `& \0 Y; \% @6 W, G# {  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
" d  l. Q& ~0 V. B- ?! l  
9 O) n3 ^$ n& T% }  loss.backward() # autograd
  with torch.no_grad():
5 e% v/ a7 w, [& k- N    w  -= w.grad*0.0001   # 回归 w
4 a4 G; _& m+ d- L    b  -= b.grad*0.0001    # 回归 b
. I# d: `& G2 d  w.grad.zero_()  
2 F8 P0 D" s0 E3 u$ K" ]1 q  b.grad.zero_()
( E" l7 n, @5 T0 w+ E, g: U
print(w.item(),b.item()) #结果
; u' J/ A2 h' N% ]
Output： 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。
4 Y2 o$ y  ?- y. j高手们帮看看是神马原因？

老福

3 |6 n4 E4 \+ s8 @7 ?& ?9 T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？
-------
! e! ?" u- _! F/ J3 i$ \  W) U# U( `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， ...

0 }2 c% ^% o0 M9 g. f谢谢，算法应该没问题，就是最简单的线性回归。
) ]0 {! s+ ~. l3 E. z1 _9 F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
谢谢，算法应该没问题，就是最简单的线性回归。
9 _% h$ V( U3 P% L# O, k( f( b* ~" }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。

1 \1 C" J* y8 R0 d$ v, G) ]或者把b但的起点改为1试试。

雷达

" V! t" E0 h* c5 h$ O' F& @

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。
! W$ K$ D& J3 S' l: ~
1 u5 Q, O+ V( U) f, S或者把b但的起点改为1试试。 ...

6 i9 L8 j3 L3 t  m4 G你是对的。
去掉了随机部分
6 }1 Y# Y% w' @#y = (x*27+15+random.randint(-2,3)).reshape(-1)
/ |5 A1 l" ~2 h# ^" }9 v+ {y = (x*27+15).reshape(-1)
$ J) H' ?/ m9 b
) N" O. `  o) V循环次数加成10倍，就看到 b 收敛了
! ~. ^/ }8 l! @4 h+ r7 Pw , b
27.002620697021484 14.826167106628418

& \2 c. X3 g$ W( H) I  L2 }4 p! B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。