继续请教问题:关于 Pytorch 的 Autograd

雷达

, Z* n3 ^2 m6 \& F6 Q8 G为预防老年痴呆，时不时学点新东东玩一玩。
5 v. A# Q* ~5 k# D& |Pytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
  r  ~7 f# ^9 z- C* M+ R" J  Simport numpy as np
import matplotlib.pyplot as plt
& y" w) s: p/ R$ O  L7 e/ n* ]import random
9 E9 _: n% O  t+ q8 h& V9 p6 i# y: j
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

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
  {- ~9 s+ g! B
/ {8 u' L* F, b9 B! Qepochs = 100
6 _! \* f0 q8 ]. B$ x2 w' \7 G6 B
: u' a/ ]3 `) [losses = []
for i in range(epochs):
5 @$ B8 ~4 L2 C7 |1 N, n  R  y_pred = (x*w+b)    # 预测
+ d- w2 b5 j9 o& u  y_pred.reshape(-1)
5 @  K, ]8 k5 H
# g6 c9 M2 S2 \; O7 N; [  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
/ K! {) g. N0 E  \2 c  
  loss.backward() # autograd
  with torch.no_grad():
" A- ^; l& i' W8 w) }! y    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
( r% t- X" Q' h5 N  R: W; |- S
/ C3 M' H9 U* s9 Bprint(w.item(),b.item()) #结果

+ G' ~& \* p7 _2 jOutput： 27.26387596130371  0.4974517822265625
4 r( g: L5 P3 e2 X) Y& w. \----------------------------------------------
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。
& P% B+ ~3 z: g. J& U+ y) {/ S高手们帮看看是神马原因？
# ]: O, P0 r/ G! s

老福

" G$ N( ^( z: b- c/ Q! O
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？
; ?7 p# A' J9 K7 E1 M-------
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。
-------
9 b4 F: ~% ?) r0 m0 J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？
-------
不好意思， ...

9 m8 ^" J/ F# w3 j. ^谢谢，算法应该没问题，就是最简单的线性回归。
  h% J! \7 l, b8 {: C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
! M$ z' p* A% V1 L# i5 ^谢谢，算法应该没问题，就是最简单的线性回归。
& ^7 e" ^8 H1 }/ j1 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 ...

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。

. Y2 V) J) x. i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。

或者把b但的起点改为1试试。 ...

你是对的。
2 Q1 x- L" B% ?9 U$ o5 o+ ^9 n去掉了随机部分
3 u9 X* C9 n4 H4 o#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
2 D' c, K3 C- ^w , b
' _( M0 {; j) G/ c" }: O27.002620697021484 14.826167106628418
# H0 G- ], Z) h, i1 n
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。