继续请教问题:关于 Pytorch 的 Autograd

雷达

& W8 t6 \1 f, F; |. V
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：
3 \( r7 T2 D8 ^$ ]# F----------------------------------------------
import torch
import numpy as np
5 X( `6 c# c! F) [import matplotlib.pyplot as plt
$ A% K5 a% _  A+ X; ximport random

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)
% Z; o$ P1 p6 [5 g4 A% w6 ~1 z: I. @) Q# _
) n9 K' \- C! |( k$ `. T( M9 V! n8 q9 Aepochs = 100

, D& Q5 _7 T7 j% s6 J' T! Blosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
- g' r/ {, R1 ], `+ R
! X4 N6 Q/ D" a  loss = torch.square(y_pred - y).mean()   #计算 loss
6 {) b6 A  e5 w6 c; U0 z. z( U  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
0 ~) G  v* W* d" y% C/ F* w    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
, k7 t- D4 J4 C! a0 n2 ]  b.grad.zero_()
- h8 r# c; S5 z( @+ d
# {  ]1 H& q7 O! cprint(w.item(),b.item()) #结果

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。
: J% g6 O4 K" Y2 S* p# m高手们帮看看是神马原因？

老福

5 t* E. x1 g7 U2 y5 J0 x5 {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，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。
  v  \+ i/ {  w8 z, ]4 q-------
8 o  d# R( u+ C& n! T8 e. I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？
& w% P5 f' p. l6 U7 u-------
不好意思， ...

; k4 E2 V9 `) u4 j) U" g谢谢，算法应该没问题，就是最简单的线性回归。
! K& E' k- ?! N1 @, B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。
+ f3 D) G1 h; n$ 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 ...

( z- f8 ?& C& ~0 L1 b% _/ e5 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。
( s8 G- e5 D4 @: z- V
3 I  B9 |+ X( e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
" L* ]  F# {/ V+ t) F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。

1 t+ I% E8 T+ L或者把b但的起点改为1试试。 ...

3 R, }1 O1 n2 G5 q" e/ m你是对的。
" A$ Q3 c) K+ o5 [2 Z8 u; F8 f去掉了随机部分
9 P( i$ E1 P4 h, O& b. l$ _/ v#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

3 O) t7 |& }- B% n循环次数加成10倍，就看到 b 收敛了
w , b
$ D9 U* x; G7 s: h27.002620697021484 14.826167106628418

- f! z2 f1 c$ A! I0 b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。