继续请教问题:关于 Pytorch 的 Autograd

雷达

5 t- {* B; t$ g' Q0 M! i
- C( |7 ]5 Y% G# }& p为预防老年痴呆，时不时学点新东东玩一玩。
% p! P9 ]5 j# j3 z1 yPytorch 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
7 \# B+ j3 d9 b
x = torch.tensor(np.arange(1,100,1))
6 z* p- I. g5 h* @) P, W9 Vy = (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)
% w( @$ {1 S9 w# O
8 X: i3 g, y) g1 u! Xepochs = 100

losses = []
2 e* U$ U: {! d+ ofor i in range(epochs):
; Q! Q3 Q. p, w. c) M+ l" C3 u. g' C/ R  y_pred = (x*w+b)    # 预测
0 U1 |8 k2 D& J6 ?% ~  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
3 F: a9 V1 Y' t: o# o  
1 k9 o2 B/ ~& L" X# e  loss.backward() # autograd
, [9 |0 C: O4 E( @/ Q( f+ m* C. ?  P  with torch.no_grad():
1 c0 ^6 Q/ i/ C( S1 v    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
8 M" I/ o3 ?! Q; A$ D9 o( N  w.grad.zero_()  
  b.grad.zero_()
& E6 R0 q+ n) ^% S4 t; p2 X' i7 ]
print(w.item(),b.item()) #结果
4 Q8 X) b+ w) \; O! ]7 v
3 N9 U6 @" a, r- c, ?3 QOutput： 27.26387596130371  0.4974517822265625
" n: R/ d( A( t* H/ Z) e6 r7 g$ _4 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。
5 M0 q1 V1 X3 v( h- h' `& q高手们帮看看是神马原因？

老福

6 F6 N& ?& Y9 l5 h
& L3 i/ ?: t. C' J7 ^4 j0 b: F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？
  Y/ o: x  U! a# Y-------
7 ~/ t0 e' e+ d) s0 @6 E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。
# K. Y- a) K0 {9 b8 r2 w-------
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
' @0 y% y* R, p7 v+ 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？
$ Z. ?# E9 e5 X1 n0 B-------
; \& ~: q( p- g$ B不好意思， ...

4 \' w/ ?, c4 A7 ~0 n! l! f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。
8 ^5 o  T# t7 I/ h) d0 i' F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 ...

, M6 H! D- N8 Z: M7 D9 |$ {, O
5 t) _) d7 i# 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。

或者把b但的起点改为1试试。

雷达

8 s0 U- E) Z" I; i/ M

老福 发表于 2023-2-14 22:00
. D: j; z  m6 V# f- @' ]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。
& \: y+ i( b: _5 }% C
' Q' n! G$ k% C# o或者把b但的起点改为1试试。 ...

. M& b0 ]3 E% g
5 w- T/ L! d2 }* A/ X% E你是对的。
去掉了随机部分
: Y/ F) K1 s* D4 a2 e' T) ~' m#y = (x*27+15+random.randint(-2,3)).reshape(-1)
+ I! j" z. `1 \! Y7 u# P( Ly = (x*27+15).reshape(-1)
0 `) ]* l9 ^, w# i8 I  J1 C
- ~4 G+ L, i+ T8 C6 t9 z循环次数加成10倍，就看到 b 收敛了
/ Q, t% \3 ]& ^w , b
$ J' r% C, Z" c- q9 L27.002620697021484 14.826167106628418

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。