继续请教问题:关于 Pytorch 的 Autograd

雷达

  C0 w9 A  V# Q/ z5 Z; n
% R! J3 w) G( P* j( p' @' n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：
----------------------------------------------
1 w5 D& y( A2 n/ F8 dimport torch
+ W3 M) k& b- v5 f- pimport numpy as np
import matplotlib.pyplot as plt
import random
  @' h7 ~1 G+ i  k$ j: f. 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
7 o' d) M( F7 b: U
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
2 a7 H" C6 {# ?3 N0 p
4 I- U5 v( v/ r, H( O) zepochs = 100

losses = []
for i in range(epochs):
8 U0 x5 S7 \3 i7 B- o3 N6 k5 n# L  y_pred = (x*w+b)    # 预测
1 i5 A% M5 Y, m0 J2 v& W  R  y_pred.reshape(-1)

4 ], p& @4 o3 L# T* D+ }" b) R  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
* {, N7 T6 ~! l5 M( e6 _7 m  
0 n9 \4 }* e5 x1 S  loss.backward() # autograd
  with torch.no_grad():
# ~0 \: a; C' q( I    w  -= w.grad*0.0001   # 回归 w
9 P* ~9 B! l7 K" S% f' v    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
. k- I& O! A) G& ~1 b* T1 s  b.grad.zero_()
4 O+ @3 G7 {  |& {
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。
2 A+ k( T6 S6 m高手们帮看看是神马原因？
9 W) I7 Z2 k) F0 _* e

老福

. Z1 d. i3 ]5 l$ i8 p# T& a) \! p
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？
) H5 d/ Y; b4 [8 U) y-------
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。
. _; w3 x' y. T; A/ R3 x/ L* ~+ x-------
. v+ _5 Q0 u& X( F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 B; j3 J- L% d: P" V& \: m) l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？
# O3 e6 a. i) f-------
( D- `( H) }, O) V* @9 Y. J不好意思， ...

; s- g6 ^# r$ \' d$ h0 \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

# U" w* B! k$ }& H  B

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。
" `* H  A+ G$ |. z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 ...

" y( I/ n4 e  v) W% `( p4 ^
$ n7 E( f8 d2 z( C+ z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 m. b: a" G% u0 W4 S+ K+ |或者把b但的起点改为1试试。

雷达

! k$ P7 F4 l1 G% q

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。

或者把b但的起点改为1试试。 ...

7 B( p* d- l5 N3 S! U4 @
3 [4 P% K& r6 z# C你是对的。
  g( L7 ~5 A4 ^% L去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

2 u! n5 u, A5 o' n" J循环次数加成10倍，就看到 b 收敛了
; E1 Q" F9 z1 w( Jw , b
27.002620697021484 14.826167106628418

' b7 n/ J, z# |+ R: \7 @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。