继续请教问题:关于 Pytorch 的 Autograd

雷达

+ E# C% J7 h- A7 J: }7 B7 X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
import numpy as np
import matplotlib.pyplot as plt
import random

x = 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
b = torch.tensor(0.,requires_grad=True)
6 o# K# S" T9 B3 J7 z0 r0 W
* K% J: t0 B- o$ j, Eepochs = 100
0 E( r6 P& @! g
9 G: B8 S. M0 Y" i! closses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
% j0 e  g# J, J2 R! E, J8 I/ P' b  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
6 P6 X6 _- K+ O# K! G3 W" r7 f  losses.append(loss)
  
6 u3 Z; Z+ q- O0 N) B6 F& k2 f  loss.backward() # autograd
  with torch.no_grad():
2 s9 T6 s4 B6 o3 U6 y    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
. z, u) I9 T& u4 n& g( t  w.grad.zero_()  
7 x, j* m  E3 X) R  p6 T& A  b.grad.zero_()

print(w.item(),b.item()) #结果
0 X7 M# A2 l% C( h% O
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。
5 J( v( k! g7 P- \( m; z. L( O高手们帮看看是神马原因？

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。
! K" ^) Y/ W( ?8 \6 Q1 U-------
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， ...

9 s* s& m" F1 ]) b谢谢，算法应该没问题，就是最简单的线性回归。
! t2 Z1 I% k8 B5 ]9 P: x- J  w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

# e; w! d# w9 [% F1 Z+ |3 O

雷达 发表于 2023-2-14 21:52
7 m% J& G/ Z5 c/ u' g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 ...

2 q( @- A/ N: w9 O9 l
2 p% b% q/ I) u6 T0 V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。
, C3 Z' _- k( M/ k
或者把b但的起点改为1试试。

雷达

6 G' {1 C! I% L5 v3 o2 ?( b' r

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。 ...

你是对的。
8 z5 C8 C3 \5 ?) q% I去掉了随机部分
) U0 a) J2 e, X( U; r#y = (x*27+15+random.randint(-2,3)).reshape(-1)
# i2 d- I+ o0 L# \9 r6 Jy = (x*27+15).reshape(-1)

7 a5 F  a0 A( N% T) u循环次数加成10倍，就看到 b 收敛了
7 U2 I& P) _% z) W' b9 K6 Z. A8 aw , b
. H2 z! X. \- @27.002620697021484 14.826167106628418
' A# V+ Z7 n' O; r
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。