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。
8 W0 s7 M) t1 zPytorch 下面的代码做最简单的一元线性回归：
/ B: A3 D3 `5 O) u6 A3 E0 F----------------------------------------------
import torch
: B1 V, Y2 F4 G% i2 W- @7 w8 Aimport numpy as np
; R% j7 Z% c. ?' D, Z' M! A; n" a8 Oimport matplotlib.pyplot as plt
import random
( H* p" }$ e/ ?3 j, R9 _$ x
x = torch.tensor(np.arange(1,100,1))
" b. D% y$ X7 c5 Y; M' Sy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
4 a. U/ i4 a+ E! p
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
: U9 z8 e! h& d8 h' H" T- I/ Q$ Q6 |
& T. z3 ^1 q! M4 P& Z" h+ `epochs = 100
/ o6 h9 y/ G! i
losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
( d' Y5 ?! V2 y% k9 [) ]  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_()
3 `, x  }" [2 r0 k' Q6 m" w) ?1 U
7 @, E# y8 p0 j( A. I/ `print(w.item(),b.item()) #结果

, P" z; p3 g/ W+ h6 s/ vOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
9 r4 N. \1 w. B( Z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？

老福

; M; F: e' `' F9 {) F) Z. U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。
% Q# K5 j# g( G( `8 n-------
: h& d' P* h* ~) r8 r; v0 u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？
-------
% q! g* J# D; ]) u2 P不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
5 c! i, Y+ t+ R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。
9 A9 @6 ]" s) p0 v5 F7 ~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 ...

. `9 t# |, _& M/ @: T
( k2 E: g4 d  \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。

% _, f' h' T: @, m" Z4 C4 u或者把b但的起点改为1试试。

雷达

: D+ Z# L1 W; ^2 ?/ V/ p# {

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。
' w! n1 f. M7 y. `5 U
或者把b但的起点改为1试试。 ...

# r% D0 ^5 d- K; w
你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
0 l' o% a' U1 X+ v9 `3 d3 [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

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。