继续请教问题:关于 Pytorch 的 Autograd

雷达

# f/ o( ?6 Q1 Q. N. K
4 l0 q$ F% Z+ ]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
/ C, L( U* r$ Z) h5 x* }; z/ E
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
4 a3 E6 I/ [' G) X# e" @
# ^! N/ G7 S/ N- u; b: N: n* Cw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
) m9 [) |* w. g. Z+ T# |% [: i
epochs = 100

losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

% i3 ]: R& A1 }6 ~5 K  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
% F$ q$ o# k% A9 w- C' {  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
+ N7 b9 n6 A5 n
print(w.item(),b.item()) #结果
. u+ I) p& l: c/ \2 T
0 |! A" |/ @& @4 X+ g* cOutput： 27.26387596130371  0.4974517822265625
5 _/ G2 n& U# Z0 A----------------------------------------------
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？

老福

1 N! r$ t" f, q" k6 J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。
-------
( [9 n) s1 N& L* p% u" t+ U. |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
' ^- n8 V! e4 l# g/ ]2 r/ 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？
-------
3 ^4 ?7 ?7 e: v/ M不好意思， ...

! T, ]/ H- D! d  t! B% S7 |谢谢，算法应该没问题，就是最简单的线性回归。
* R6 w4 ~; v) q" P' J" U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

3 ^. ^( z. C; p5 h

雷达 发表于 2023-2-14 21:52
( `0 u$ t9 r3 R0 V+ w) q9 A谢谢，算法应该没问题，就是最简单的线性回归。
. `# j/ ^. h6 r0 `' i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 ...

3 Q* e" 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。
: S* v: U3 e8 ]4 Y
# o2 A; E4 D( z+ ~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
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。
) d, D. z' ?1 W" P4 ?" {
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)
& w, K( f8 S+ J* by = (x*27+15).reshape(-1)
  d1 P: C+ Z6 N* [1 v' v! E5 S
循环次数加成10倍，就看到 b 收敛了
( I/ U( o0 |: e' a) n5 Uw , b
27.002620697021484 14.826167106628418
9 A4 n- s% E1 V* }
0 ]2 D9 t$ S; c4 ?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。