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：
----------------------------------------------
import torch
; g" Y* R8 ^5 g) K# E" m' cimport numpy as np
, [+ }. X/ m! z" b0 e! o; uimport matplotlib.pyplot as plt
  K, {+ H1 r# ~- wimport random
0 D; }5 s$ j: K1 M& g0 }
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
) B6 D1 O7 Y+ @& o% `5 ?$ t3 a* g
5 n3 g3 W3 b, g# Ow = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
9 C3 n  D. L. U# w, Q% ]! G/ d" M& Y6 Nb = torch.tensor(0.,requires_grad=True)

% O, y  Y. D/ A8 H# Q, D6 kepochs = 100
3 Y6 q) }3 I! R1 Z" p" @5 H
losses = []
; C9 m5 A( D0 o6 lfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
4 ?! i* A0 ]4 ^, d& I
% K+ G& l" P' x  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

# K5 d$ w: g. _. [  ~- w5 ?print(w.item(),b.item()) #结果
) a+ R4 _8 x, h% A& U
- W# ^; s- X  c2 N8 e1 ~Output： 27.26387596130371  0.4974517822265625
0 R/ \' ^4 }, G$ i) y- c; 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？
. ?, o, e3 R* X8 k

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？
3 \, w- y) ], f% g+ N- I-------
& O# }9 N& X) R: U/ `4 @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! O" ?! b  R, h5 K8 h-------
# V! J7 _1 ]; |3 e3 X( p& a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
3 u) [2 K3 D- F2 u5 q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？
, `3 w' e) H1 h9 n8 M0 @-------
7 o9 \3 P8 P4 O0 y, X# Y不好意思， ...

* Q2 Z$ N5 j) V0 P6 G8 j: e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。
0 l. x& h" H; z; B6 `# @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。

+ @- Y3 W6 p& O3 d( k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。
" v9 n/ w3 z  |1 O
或者把b但的起点改为1试试。 ...

! {2 i" _: R# P; j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)

循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
1 f& |- H1 q. x1 R9 {& y6 h0 A
' O  s6 |& E5 }, j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。