继续请教问题:关于 Pytorch 的 Autograd

雷达

' u2 `# l2 p. s2 \7 a, t( l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：
----------------------------------------------
# o; c$ H/ j( E+ p! T0 ?; x) |, nimport torch
7 C9 J  M. u7 O5 J( B$ r$ x1 timport numpy as np
/ C& H* u% [8 h$ Pimport matplotlib.pyplot as plt
9 M" S5 k6 f/ a8 c& Jimport random

/ `5 z/ W8 V* e- x4 W9 Rx = torch.tensor(np.arange(1,100,1))
2 W! m8 E9 \* V- I0 S8 T, ey = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
5 t" s# y' {- g; W8 M! L2 f
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
0 w' x0 C# x/ {
epochs = 100
$ J0 d6 G- ^0 {+ Y, e( Z
losses = []
8 b1 F; N* R0 w. U1 K2 p# G% A% g: hfor i in range(epochs):
# i! v( I$ ]. d5 H0 y( U! Z  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

- y/ D' O+ q% U! e/ n  loss = torch.square(y_pred - y).mean()   #计算 loss
4 i; H( j5 A. s" x. _  losses.append(loss)
  h9 k( T( F. I- F& I1 j5 u. Y  
5 L/ ]0 _6 o6 R, H! _$ ~0 z$ [  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
2 T& D8 Q4 Y2 x, V1 U2 f) Z/ I  w.grad.zero_()  
3 u/ }* P; [+ g- B  b.grad.zero_()
( z2 x! s% o# P) n7 g0 a" m0 q( ~1 O
8 d6 i& `, A8 e, a4 l7 \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。
( `5 M  e3 ~7 d! G& N高手们帮看看是神马原因？
  m' }8 L# v0 v& }9 G

老福

1 k7 g. J% ?. O5 v* U
! ~$ ]# @; b" J# Q' A! `  i+ w) B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
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 A9 j0 M2 s9 c: g-------
* k8 K; k3 Q6 |不好意思， ...

9 Z- e1 R, [7 s  ]( U谢谢，算法应该没问题，就是最简单的线性回归。
& I. V- ]/ N. W$ d5 [' ^, B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。
/ c2 B7 i+ \; K; m2 `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 ...

2 T2 n7 O# h4 n5 x, o% t
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 ~& n  M+ O+ j" C$ ]! g
8 H! y* c$ G3 b1 J/ 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
. e. p  s0 l3 x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。
+ g/ U$ u4 z  T' h% ~8 ]
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)
: E5 i& x0 p! J# ?/ dy = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418

4 [" x2 ~7 ~- A: P0 b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。