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。
$ q4 A1 a- u" |9 u& X8 B1 XPytorch 下面的代码做最简单的一元线性回归：
; g3 d' H( {' o8 z5 `----------------------------------------------
- u9 R/ d/ X1 x, }! q" x7 k$ pimport torch
import numpy as np
import matplotlib.pyplot as plt
import random

x = torch.tensor(np.arange(1,100,1))
% A' ~! t3 [; l/ y' J  |0 Fy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

# D9 J! n, D% u8 P8 j! z) uw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
6 R# h, X- U! {: b! u$ _0 w
epochs = 100
4 [- E# ~( G  l. c- r& T6 m% b
) R: o4 U& v; X% C3 Klosses = []
( o4 m& z8 v3 `, l; \( v% ], Ofor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
3 C- Y! g2 g( K6 l
) R7 ~% I5 d* H; z' w5 x# I1 |9 V3 _6 r  loss = torch.square(y_pred - y).mean()   #计算 loss
) C) o9 j* Z) u/ E- N: D& w  I  losses.append(loss)
  
, `) a+ D& M* h( p, {3 |! p: h0 X  loss.backward() # autograd
  with torch.no_grad():
9 |. U) t- d, Z; V& _8 N" Z    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
& d& o1 G3 D% V' G* Q5 c$ f0 X  b.grad.zero_()

print(w.item(),b.item()) #结果
* Y5 y" L* d% H- v
Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
  ?, j: w8 ]! Y% E* n; s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？
1 X' h2 M. U9 K& ~  \

老福

0 x& y+ \6 K; n% @, r5 _
  I! R- E4 ?. ?. R& O% \0 s; Y- I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？
! h3 z' ]" U  ]6 v8 W-------
! P0 g! e2 G4 G( y" c& g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。
/ j. _6 z4 y! M, y- _-------
5 e# P, `2 Z7 o7 `0 S! j$ t2 d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？
( e$ L* J' K$ M8 }/ ?: [0 x* M! j  N-------
' Y  I: w) A% h: G8 I& x0 K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
谢谢，算法应该没问题，就是最简单的线性回归。
4 J$ P5 Q7 c3 ^# r8 |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 b; F5 A" ^5 C/ V
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。

# }! D5 c9 r0 a) m5 g- 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。

4 [/ M3 u4 G, `) q* ]1 U3 }  N; u或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
. Q+ `! v( Q# c1 I#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

9 W5 A$ C$ c9 p* F$ Q4 _/ i3 [. h循环次数加成10倍，就看到 b 收敛了
w , b
0 i# O5 [: t4 G/ ^5 H9 R27.002620697021484 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。