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。
! \- m2 b) g, Z; ZPytorch 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

+ ~9 B" ^+ Z3 H' x9 {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)

epochs = 100

5 g; {; Y& p% ~3 h7 S' G; Hlosses = []
; Q! {7 Q) S& I+ R; efor i in range(epochs):
  y_pred = (x*w+b)    # 预测
" m+ P: O, z! V9 o2 @  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
. x  O. J2 ]* o4 r$ q, M" H) C9 C  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
& c! ?9 S* K2 B+ o2 B) d# p3 c, d    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
! p- Y3 u, {! |" _; A% q  w.grad.zero_()  
* B( n$ @. A! a  G& E3 [  b.grad.zero_()

! H! U& M# P6 J3 r2 pprint(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
; T* W+ r( {1 [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。
, V3 A+ g* i/ k* E: M高手们帮看看是神马原因？

老福

4 \% K5 V6 B+ k* b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* m1 {  F' @) O( a+ G% }# u-------
% g9 F# q/ ]! E3 |1 T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。
8 P2 n$ u0 o. m5 f  |-------
* t& S& s8 @+ ^# N( n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
) I8 H. U% h0 O7 F* d$ S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， ...

谢谢，算法应该没问题，就是最简单的线性回归。
$ j2 d+ h# t5 f7 G5 P* w. u0 V. }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

" {7 w: |7 ~# M; y* x) n

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。
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 ...

$ I, W, A; F* j8 v
. R- t( q3 q9 f1 v% h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。

. T. ^2 I  I7 S' k# s+ v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
7 L. ~6 T( T$ S4 l8 R5 g: G% `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。

- h3 |& d$ b: p" L( A或者把b但的起点改为1试试。 ...

9 i2 T* v! S$ H# M你是对的。
去掉了随机部分
( {' o$ |( I" C. }! T#y = (x*27+15+random.randint(-2,3)).reshape(-1)
4 k* N5 c$ Z8 wy = (x*27+15).reshape(-1)

5 w( m" p. d1 C! Z7 K循环次数加成10倍，就看到 b 收敛了
: K9 F* i& A7 i4 @1 `w , b
) E/ P6 u0 m: [27.002620697021484 14.826167106628418
; n: ^; [2 f8 `) ]3 ?
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。