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。
! E. n, K; d8 Y+ }( ?* APytorch 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
' J! R3 b: T( c; n0 @import random

  i) s* t# n4 l& U" gx = torch.tensor(np.arange(1,100,1))
) t$ y4 i& Q1 t6 |' ly = (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)
( t% p9 f8 Y( x5 y/ u
2 K6 t/ z' C7 d) {% yepochs = 100

- ~9 V4 [8 K# S( C. Nlosses = []
/ J$ c! s. x  e* {2 I4 Dfor i in range(epochs):
  ~1 \1 a/ d/ x  y_pred = (x*w+b)    # 预测
6 g5 s  N8 P. ]: d" p" V  y_pred.reshape(-1)

8 W: h/ A5 f. O  {$ y  loss = torch.square(y_pred - y).mean()   #计算 loss
/ ]7 q8 ~. x  b1 [9 v; Z, j5 n5 i  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
# N- `; M$ V. y# k7 R    w  -= w.grad*0.0001   # 回归 w
8 ]  ~9 @4 ?6 r6 O  k' M6 \9 R4 B    b  -= b.grad*0.0001    # 回归 b
& [; D" r) d3 Z: l8 R  w.grad.zero_()  
  b.grad.zero_()
# D4 F) G1 t1 H: D. l
8 S* l/ @' Y8 K% Q9 S$ I6 Pprint(w.item(),b.item()) #结果
) z# G# v8 R; d: H' q% a
% X6 f1 [5 E" V. O1 d: POutput： 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。
4 Y+ \5 q/ h' m$ Z! V高手们帮看看是神马原因？
5 s, n9 B" Z6 s7 l. w5 D

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？
2 n3 p. G1 j0 k- c8 g8 x-------
( @8 O9 [; h: [9 O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？
-------
: ^6 d* ?( B1 S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

) u% C3 m  O3 c  r, e7 s+ P

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 ...

2 g  O( e$ H4 B3 c' q1 ]% M0 p2 ?  \
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。

) h$ w  ?# V- O0 B6 h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
' x0 l- T  [( z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
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
- T$ `8 X* K+ C$ ^% I
循环次数加成10倍，就看到 b 收敛了
" n! x8 a3 w& r4 |- |w , b
4 V, G8 e. D5 x; q8 O2 O* h27.002620697021484 14.826167106628418

% X8 w- n7 ]: g5 K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。