继续请教问题:关于 Pytorch 的 Autograd

雷达

5 ?" {* I6 M1 V8 A  f
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 Z, p2 c& N7 E- o* Z5 G) p1 |& Ximport torch
import numpy as np
import matplotlib.pyplot as plt
import random
$ l! D2 G9 g# r8 K
8 Y+ [5 Y  C$ C% px = 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

  O0 g) B6 D4 E% |7 Ow = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
: j# f* E5 J& B8 w( C, |! o( K; C
epochs = 100
6 v+ E7 a# t; b
9 e, t. A9 X( a- X, flosses = []
for i in range(epochs):
3 c5 y9 g- c* X9 m2 [  @0 |+ [' e# {  y_pred = (x*w+b)    # 预测
, z1 w2 q+ Y9 X2 L+ j  y_pred.reshape(-1)
, \8 [4 `' |, }( n7 A' \4 _" X  W: B
3 i' Y+ m* s& j- g4 A* y0 @  loss = torch.square(y_pred - y).mean()   #计算 loss
9 @! y4 e+ G& h5 j9 E0 K; y  losses.append(loss)
  
7 n. k9 |! W9 K3 |5 `4 Q0 B  loss.backward() # autograd
  with torch.no_grad():
  I- Q! {4 B8 _; U% o: J    w  -= w.grad*0.0001   # 回归 w
- N& S$ L# H' z+ X# R5 Y    b  -= b.grad*0.0001    # 回归 b
6 }4 j. S9 T4 J: E* j  w.grad.zero_()  
* D; C9 V5 t7 j. j& g2 U  b.grad.zero_()

print(w.item(),b.item()) #结果
: F+ O+ n7 g& 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。
高手们帮看看是神马原因？
% l& ]& d  N2 W0 x6 D2 Q

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？
( S7 i6 ^4 `& I: g+ l-------
8 z; E5 t* e9 R8 z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。
2 R+ f% Y3 b$ ?0 r* t-------
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
0 @4 C+ C9 Y7 ]. q! R9 w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？
7 t! ~+ R1 U. a9 ?4 N7 v2 j: d-------
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
谢谢，算法应该没问题，就是最简单的线性回归。
/ ^& F$ @  l! R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 ...

# ~, L( |7 }, s9 x/ b! L6 u$ 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。
2 B1 E* s* n; S( o; q$ d" K
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
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。
$ U( B) C3 E: m& o
或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
) e. R7 R" J- }1 H" Y0 Qy = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
: M  Y! W% j3 b% [27.002620697021484 14.826167106628418
7 L# S' |1 J& l( K
  o) b, ]2 ]& T7 a0 {0 D, {8 e$ a6 m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。