继续请教问题:关于 Pytorch 的 Autograd

雷达

7 `4 a9 Q2 L2 h  W为预防老年痴呆，时不时学点新东东玩一玩。
, o/ N2 V  X) sPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
( ~( n' t" |+ V: g5 O; K9 Aimport numpy as np
  v- z+ m7 s5 I; @, t$ Qimport matplotlib.pyplot as plt
import random

7 P) H- H# I& Z9 ox = 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)
( H1 v. n' f/ x% C  T
epochs = 100

losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
& `3 }, }8 A; F4 p- v# y
  loss = torch.square(y_pred - y).mean()   #计算 loss
% U5 o& W/ }2 G  losses.append(loss)
  
* Q; R! V0 [; L% l* o1 p! m  loss.backward() # autograd
, A' h  A5 p3 h9 U  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
( D: c( U# ^4 S% y    b  -= b.grad*0.0001    # 回归 b
, [4 q  x6 {/ {6 Z/ {1 Z. Z  w.grad.zero_()  
$ V# h" \( Y6 I, @2 V  b.grad.zero_()
8 D6 g8 v) X0 U: \( N
8 ^, a% k! V# @print(w.item(),b.item()) #结果

6 }1 k3 n3 ^8 s/ COutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
5 b# a' p+ E' i% [! W  Q* R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。
. z- d. a9 E7 a高手们帮看看是神马原因？

老福

; Z6 w1 F3 S0 o( l7 A9 I3 D% a1 t) |
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？
0 a" R, h% v) C/ A; E+ ~1 K5 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
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？
! m3 \: E% v6 F9 x, d" R-------
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

9 h3 G7 l6 R! D6 D) c: R6 @6 `/ x

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。
+ W6 o& i2 c9 P! T$ 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 ...

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。
% H8 B( l! d# Q- v8 `( |8 e+ c3 J- N
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。
! S% Y3 m4 l" X+ I4 J' x
) ^$ n* o0 f0 V7 i/ ^3 v+ `8 q% U或者把b但的起点改为1试试。 ...

* w+ q0 O' @* ^
( z+ @* l( n  i. a" L你是对的。
1 k; b; s  Z4 k( ]去掉了随机部分
$ `6 F" B+ _- D; T1 J#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
0 B' q0 R  n5 z( h6 j. W, Jw , b
; `& i. i1 J7 O27.002620697021484 14.826167106628418

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。