继续请教问题:关于 Pytorch 的 Autograd

雷达

9 E( E  ]& {# \
2 j; i$ U* `) v4 f+ [" ~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：
----------------------------------------------
! l! x$ A4 j# d) {9 W4 Mimport torch
3 _6 ^$ e, I# }* gimport numpy as np
import matplotlib.pyplot as plt
import random
* Z' D1 r8 U& [, G) F
. R+ b8 n% W& I9 c/ o; _9 Sx = 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)
5 T% I+ z9 l2 m1 D
epochs = 100
. h+ P( |! H1 ?+ x) K: t/ m+ A; B; |
; e% @; s' e( t5 ]3 N/ R! ~losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
1 g# t+ z/ W! W# T  y_pred.reshape(-1)
8 _  O2 h$ E2 T4 U" ?
/ D0 W* _- |- x& F4 i9 M  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
: B- U3 e6 M% A# w; Z" \0 ~+ }  
0 [" P% C+ }3 X5 j& q( I7 s+ j  loss.backward() # autograd
  with torch.no_grad():
/ `7 E: B! M& s) Y7 B) L    w  -= w.grad*0.0001   # 回归 w
, h. V/ ]* T: ~2 y    b  -= b.grad*0.0001    # 回归 b
: Y& X) Z0 e/ Z, X  w.grad.zero_()  
9 P8 g' r" e8 j5 V* G- q  b.grad.zero_()
! \. Q+ Z8 D/ z. s5 G6 G1 r2 E
print(w.item(),b.item()) #结果
. T6 X5 D8 g7 q
4 S' j0 o! \5 i+ ~/ E9 _Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
1 v- s) P4 A5 ^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？
9 c9 {4 c0 _! d

老福

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，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。
-------
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
7 `5 ~* o2 ~, Y, Z7 c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？
4 m& ]5 L# p. b: z6 o& ]-------
不好意思， ...

' ~& J$ o6 e5 Q) ~# Y谢谢，算法应该没问题，就是最简单的线性回归。
0 N4 `; S, ^8 v* I" ?3 G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

; s! e: a/ c, u

雷达 发表于 2023-2-14 21:52
$ g0 Z9 [3 V+ \; p6 l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 ...

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 o8 K6 [$ ?
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
% Q. w6 x- }. ?7 c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。
, V7 l1 J# L5 T$ e
, R3 [' C. a( x或者把b但的起点改为1试试。 ...

你是对的。
% ?+ ?1 c* G2 J去掉了随机部分
#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
. {1 i* @9 k3 x" ow , b
27.002620697021484 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。