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。
% {7 T1 G2 V# a1 q( @4 z' bPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
2 c; h: s0 H6 d2 \: q3 F$ mimport torch
import numpy as np
import matplotlib.pyplot as plt
+ D9 ^" p, G# q! O( ]. `import random
% c) ]2 L$ x/ @  p9 ^6 C; J) h4 ?! z7 Z* w
x = torch.tensor(np.arange(1,100,1))
  s' v* L; ~, B4 v, Iy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
) N6 a  \  q5 n5 Z1 k
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
  `: x% |; N! U: P4 Ib = torch.tensor(0.,requires_grad=True)
$ {3 n; _, _- ]" M/ d! N
" y1 i- h! ~) W2 a( o5 \' Iepochs = 100

% h& B/ i6 ^/ D) v) z9 A6 |( d; _losses = []
for i in range(epochs):
: i6 ^) p( b/ c9 S$ Z  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
! R( G+ Q5 o" ^
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
  J: k. J. G6 P3 C  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
8 x7 g- T; m. c2 j; ~) n) z  b.grad.zero_()

print(w.item(),b.item()) #结果

# ^7 s' x, L2 `+ m7 |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？
; L0 E" r" |% i5 B; f

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？
+ h" ~+ c2 A6 K# T% \3 {' w3 R: [% }-------
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
7 d9 e0 A/ z2 ^; n! n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？
- \5 G. K- @- A8 b-------
' U% ~5 }* u* A+ O8 _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
3 l  K0 {) `" \, c谢谢，算法应该没问题，就是最简单的线性回归。
9 ^4 D7 S4 m( a, {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。
+ K% X! v& B: D5 N7 S( R
7 d. @" R/ [) r8 D" a+ }6 T; G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。

或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
- A7 y  u2 D) M#y = (x*27+15+random.randint(-2,3)).reshape(-1)
4 Z2 T. z; ?* d) ]6 N) Gy = (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
: e/ {- T; F2 C: {
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。