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：
- `2 O' [* l. P: c0 |% i' U9 h3 D----------------------------------------------
  i% ]& Y/ D5 Limport torch
& C; n7 q5 ]) Q7 r1 q: |3 _' O0 Kimport numpy as np
' \/ w% X3 @2 g7 k0 K8 N! i1 \import matplotlib.pyplot as plt
: ^3 v) s" m4 n, Himport random

. d6 l7 K/ V/ }/ z5 J' o& Cx = 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
5 f. G3 I; ~7 N# b; b9 ]: p! F
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

: d/ @8 I. E3 @" _* [  G' |, x) oepochs = 100

; D9 Z( D* ?) Dlosses = []
& a# q( @" d! }+ w6 s, yfor i in range(epochs):
3 j, a8 {7 n$ h  A  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
' U& s  a4 _$ }  Y& e3 q
8 G; ^6 Z3 Q% G7 e6 @" z: s  P  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
1 U! H0 y" I) u9 M% o( r  with torch.no_grad():
! R* B' H' F$ L' \    w  -= w.grad*0.0001   # 回归 w
5 x8 a2 X7 V2 k  P2 a( i3 p    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
/ y0 `& ^( \% o' P& [* T  S
2 ~1 g! F2 Q! \1 Y8 T* c& Kprint(w.item(),b.item()) #结果
& h4 u7 _- _5 d) r" n3 u
( K* }4 v4 M, m: x6 r1 oOutput： 27.26387596130371  0.4974517822265625
: h! p, }( n! }. g; |- f0 v- A----------------------------------------------
6 y7 W5 Q1 Y1 j8 v4 i% x. k5 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。
* `5 i. U' f2 j5 }2 g高手们帮看看是神马原因？

老福

) P# O- g% n3 O: p; P/ G$ W- o
+ t' z1 S3 d/ D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。
-------
7 n# Z/ x4 k. O# h* W* e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
7 h. O5 k4 Z3 {3 z* ^; B5 w: q( R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， ...

谢谢，算法应该没问题，就是最简单的线性回归。
% j; ~7 W  {/ f3 K9 Q7 m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。
( _1 c  }: Y$ w  G) 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 ...

2 ?8 S# i/ v  @6 L$ e. J2 `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。
9 K2 R4 P; ^- }: S
( h1 K% o9 B% D" S4 m6 u! ^& O0 C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。

8 g" c& n# N1 Q6 L4 X4 f或者把b但的起点改为1试试。 ...

$ c: [: h. Q9 i" _
' H6 W# x* d* k  A  A  {& \) }你是对的。
; S0 k4 g9 V+ ?6 g$ F. p去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
" V" g* R5 Y- y) Q5 r
循环次数加成10倍，就看到 b 收敛了
w , b
  H. o5 D, Y$ f1 C- T8 x6 [27.002620697021484 14.826167106628418

! a% H- C# n/ y1 U+ w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。