继续请教问题:关于 Pytorch 的 Autograd

雷达

+ i- z( H& C/ \7 T3 |
7 A- j5 g. P$ e1 q6 ^2 x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
+ o7 P$ y2 b. @- F' V' i5 Z8 limport numpy as np
# f" n8 F/ `3 R0 s' h6 aimport matplotlib.pyplot as plt
* b; {" N+ J( d$ bimport random

# E! o' ]1 [, 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
! S# c( J2 h/ W$ x1 J
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

+ p& z! t6 k7 U9 nepochs = 100
# x7 E0 ~# F6 s$ r; e  }
3 @! w* _4 f; c" z" }losses = []
9 Z# I/ l: L6 L/ G" H6 m# Efor 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)
0 H5 M! \" S8 s7 w( _4 ~; m  
; g6 T; @6 A9 W- T  loss.backward() # autograd
! @8 a( B' O4 R2 ?7 l" p  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
; B( Y( |8 k( N* i  L3 s  b.grad.zero_()
3 I- p$ o1 F6 ~8 b0 z/ w
print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
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。
9 b* X% A5 O. V( v, T! h, V0 l高手们帮看看是神马原因？
8 T* a' K" M3 U& M

老福

; T% e; g' L# T* e% n
+ ~/ [, ?2 n3 W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？
. ?* H, l& Z) L$ E5 ~-------
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。
-------
; r& o& Z! W( V+ J2 Z$ O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？
) E# G7 v1 a" g6 y" y) b8 O# S-------
9 D% `  r$ }0 p0 s不好意思， ...

0 l& A, h8 _) O8 ]. |# u. {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
# R0 O! g0 X6 a谢谢，算法应该没问题，就是最简单的线性回归。
; b2 }" @$ ~" f+ \  ^; y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 ...

- d0 d' a+ P' U4 S% \/ V) y) J
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。

4 @2 ~& g" d; ]7 e或者把b但的起点改为1试试。

雷达

# ~; _/ S4 Z+ }% `- l8 @

老福 发表于 2023-2-14 22:00
/ G$ ^# D, Q' k2 L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。

# J3 O3 P7 p7 E7 B/ D: O# N或者把b但的起点改为1试试。 ...

# \0 e( V, Q$ z. {1 X( \4 Z你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
' ]; i( i) i7 g& W6 _  g# Cy = (x*27+15).reshape(-1)

0 ]4 M" v) X- S) ?% C3 b循环次数加成10倍，就看到 b 收敛了
0 b( l1 H6 s2 T4 q* G# ?( Qw , b
27.002620697021484 14.826167106628418
8 O) k' U; [+ s# ^
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。