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。
Pytorch 下面的代码做最简单的一元线性回归：
7 A& z! I1 _. p; i----------------------------------------------
8 g7 r5 s) E7 p! `0 ^& pimport torch
* O3 f* _1 X2 e- v  Simport numpy as np
import matplotlib.pyplot as plt
import random

9 l$ G6 i* S" I" ?/ mx = 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
3 Z" T, o8 [4 u5 I# I5 o0 ob = torch.tensor(0.,requires_grad=True)

# S* u  U; z2 @2 Fepochs = 100

losses = []
" F/ `+ q- U, D( xfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
. o0 k0 o5 v% c9 V2 `  y_pred.reshape(-1)
) W. B9 n- r* C) u7 w
  loss = torch.square(y_pred - y).mean()   #计算 loss
( s+ }- Q0 o! Z, A9 i7 `- J2 e  losses.append(loss)
  
  loss.backward() # autograd
2 c0 g9 K; b( ^: R5 J) l$ y  with torch.no_grad():
! ]2 J5 w/ b% A0 L    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
; h" P( K8 v. Z1 H* b  b.grad.zero_()

print(w.item(),b.item()) #结果
( D% g$ K# b, b; S" g0 i5 s" Q9 S
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。
. `" ^# V+ o6 @4 Q0 m6 S* `4 K  U高手们帮看看是神马原因？

老福

7 b2 }' X( m/ e: T$ h) Y& m
: N( \3 {) A; j2 [1 Z3 `5 V: 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？
4 ~& H( V" G% Z-------
2 T7 u$ O5 j' v, j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， ...

谢谢，算法应该没问题，就是最简单的线性回归。
* R' L$ p0 E3 |: e7 E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

# E9 U3 V! i/ G4 [$ q0 `' Y' T

雷达 发表于 2023-2-14 21:52
  @, d4 o) h2 R# H谢谢，算法应该没问题，就是最简单的线性回归。
8 U1 t9 ~4 |$ o! U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 ...

! g/ }2 A- E) I) g7 V- I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。
5 ^1 T) B; e! Q6 J/ ]& j7 B  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
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。
- j7 z% k$ S' q' i, ~5 F
或者把b但的起点改为1试试。 ...

- J; B- \: O! C/ @. W
你是对的。
; `5 r* O! Y( _' \2 a. A去掉了随机部分
- [) n4 z$ L$ [' K# N#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
" Y' m4 c  Z6 x" l! |
循环次数加成10倍，就看到 b 收敛了
  ]- c0 h" E3 W1 c7 Q4 yw , b
, Z" _: }  E7 i( F27.002620697021484 14.826167106628418
2 P# c6 p: m0 _, D9 T, s
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。