继续请教问题:关于 Pytorch 的 Autograd

雷达

) Z9 W! z& f! _$ Q. o7 L, G
为预防老年痴呆，时不时学点新东东玩一玩。
9 V7 w5 w4 h& w  _8 nPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
& ?; |1 L" F" ~, R9 l: f- W- timport torch
# ]4 U* n! s8 S6 |& P% gimport numpy as np
import matplotlib.pyplot as plt
import random

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

* \! F* `# e! q  t9 h2 Sw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
. ?: F3 N( @8 S4 l' _b = torch.tensor(0.,requires_grad=True)
6 c' P% c; u  M2 d- I% `, t- {* `
epochs = 100
+ V1 u7 B) t" G7 @/ Z& ~- n# [: e
losses = []
* Q' g  R1 q  N' g3 X7 Mfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
" n0 u" R& C( L1 B8 y# Y  y_pred.reshape(-1)

9 M! T. g( R$ N5 D) v5 K" [5 ^  {: k  loss = torch.square(y_pred - y).mean()   #计算 loss
0 ]' P3 b# B6 f; f: k! [* {  losses.append(loss)
1 ^9 c8 x1 o# {6 X, G3 Q' }  
  loss.backward() # autograd
6 P$ R, r' l( j/ P  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
: M% O1 U$ a) x7 O6 G4 ]    b  -= b.grad*0.0001    # 回归 b
4 {) V5 A& m2 u5 l. h/ ]2 l  w.grad.zero_()  
8 Y8 K" p8 C/ I+ ?* ]  b.grad.zero_()

print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
/ y+ w+ ~; ]2 s. ?4 O+ T----------------------------------------------
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

5 J6 z4 b+ O2 R: O" ~: |' _
& u! w+ P2 a8 B' m9 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？
9 C7 H$ C$ l5 n: P3 R9 f' P! s-------
: q, ~) @; Y, f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。
-------
& T% _/ o+ @& V( 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
( w# W$ P9 a" q- v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？
-------
: P' h8 }) z: V% K. r. @+ S4 g不好意思， ...

' d% f( f8 `/ J* V; x3 {. b# ?谢谢，算法应该没问题，就是最简单的线性回归。
2 b1 t. m' e; K( P  Q9 h% M4 E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。
% u# [5 Z8 \) o) g5 G. 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 ...

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。
) z9 ?0 h2 ]8 `  M1 N% G1 k. M6 B2 m
- ~9 k/ o) p" o* [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 Q' m6 P' k' w7 V
( K" Y! i: Q; Y% M2 Z0 A或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
+ V6 Q& T, ?" l2 Wy = (x*27+15).reshape(-1)
; G. e( L- H, |
( t) w3 E/ ]+ A4 O% N' Q. q循环次数加成10倍，就看到 b 收敛了
- d6 q% h8 V+ u" @' R$ |$ zw , b
3 b" W# y' @3 l  o. G27.002620697021484 14.826167106628418

# r9 p1 Z& y: Q3 y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。