继续请教问题:关于 Pytorch 的 Autograd

雷达

! @$ w* k4 |( R9 y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
import numpy as np
import matplotlib.pyplot as plt
import random
8 U7 S! |  u; i! u  M
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)
3 I3 E, ]* r2 ]3 e1 e
epochs = 100
3 y8 }6 B9 U3 T. e; u) U
losses = []
for i in range(epochs):
0 ?: }6 n8 d7 T" P/ B& z  y_pred = (x*w+b)    # 预测
0 g  U- ~4 I* P7 [) _  L  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
6 j8 r1 @) d+ t3 |5 N" ^  loss.backward() # autograd
  with torch.no_grad():
4 V& \& X/ F& T; e    w  -= w.grad*0.0001   # 回归 w
; e3 Z$ h1 B; x* {" |  `    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
1 L1 Q; S% u; ~; Z& t  b.grad.zero_()
  m2 M5 p7 D# p& r" O! G
9 g) ]4 i* s% i5 L+ P6 E, v. Y2 s( pprint(w.item(),b.item()) #结果

! p& f5 u9 B4 iOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
" A, D% r$ U; y! Q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。
/ T7 u  i9 U) U' H8 v高手们帮看看是神马原因？
" I2 g5 W* A+ x

老福

* _, _& {  x4 P0 V, o8 H
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？
% l5 V% f3 h: _0 o7 f# x6 v" R' p-------
4 Y( J& r' u% L  `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 ~6 c! I0 n' x* b/ X2 P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？
! I: p% E5 Y+ n$ ~-------
! v3 Q9 k2 Y2 B$ Y2 u不好意思， ...

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
谢谢，算法应该没问题，就是最简单的线性回归。
! s( ?4 N: p  C; D+ J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 ...

/ R( @8 G. Q3 a& u3 N- m9 g( E2 i
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。
7 Q+ q1 @. i! B- d( N) ?% }7 e
: {' u' L# V* I或者把b但的起点改为1试试。

雷达

' t& t$ W0 k# [' K( t

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 C) s) ?5 s& K或者把b但的起点改为1试试。 ...

* C: v5 v6 F, d# _6 \" ?
你是对的。
; P) K  O+ {; ~, V9 c  _去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
$ o) y. T; e1 F; {; `7 ]' P
循环次数加成10倍，就看到 b 收敛了
w , b
6 a" E; [4 i; y$ Q27.002620697021484 14.826167106628418
0 x: o- q0 f9 E7 O% F
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。