继续请教问题:关于 Pytorch 的 Autograd

雷达

! z2 r/ Q/ c- h. p0 V9 ~4 V% @; Y
4 b: A# `. V" ~. h3 G& T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：
* Y5 i4 v$ w3 F1 D) t----------------------------------------------
) B+ W/ o4 ?# V  q& Dimport torch
import numpy as np
import matplotlib.pyplot as plt
import random

x = torch.tensor(np.arange(1,100,1))
; [9 w4 t+ |( ^4 g0 @; X' T- Ry = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

- S. l2 y! w9 z" h- T( U  c/ \w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
4 y* z( E/ T- O2 r3 Z# k+ a1 eb = torch.tensor(0.,requires_grad=True)
1 b1 E* C. }, R8 e# N8 B+ p+ d# G1 h
) M7 t, g7 t4 i, tepochs = 100

- Y! P7 j8 Y7 xlosses = []
* L& J/ |# G3 s. B# @for i in range(epochs):
" e6 V) T; p1 q4 F  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
# B: [# X. y: {  
  loss.backward() # autograd
  with torch.no_grad():
+ h" R) @+ n; y9 @* v7 o    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
1 |. ]  ?8 d8 ~) ?9 g# n8 A$ s  b.grad.zero_()
" o- o' X! B1 w1 L7 T
; [5 H, E2 l5 V+ D4 f" e2 ~print(w.item(),b.item()) #结果

* m. V7 `* p3 K& @, [/ bOutput： 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 c" h' y7 `. x2 X高手们帮看看是神马原因？

老福

' p& a+ k$ C+ j
1 q9 R1 e. O( o, l* B- a/ x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？
- u: ?3 t8 P+ Y! _& f-------
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。
8 u6 }2 n# t- ]+ z-------
% P  _; h: U. k3 p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
$ a6 q: U, y* j" d+ {/ 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？
, D" N$ _; ?0 e; o% W$ H& |-------
不好意思， ...

3 b: B7 l* C1 v/ X4 c3 r; z9 N: a) H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

1 C+ H. _$ n* d) j3 k( A! ?% Q

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。
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。
5 B/ v* v; g% `2 Z' v$ V( g
  D/ v& k9 V4 o5 U5 |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
" j- O! j8 |; K  `2 x& B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。
2 s, B3 M8 t) D; l' y: I" U$ x2 F
/ }. s% `7 q% D或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
: n. [( ~& C/ e# u, w3 }#y = (x*27+15+random.randint(-2,3)).reshape(-1)
' `' [+ `1 Y. L1 A' R; C) b1 [y = (x*27+15).reshape(-1)

5 C' S% a1 j4 V循环次数加成10倍，就看到 b 收敛了
w , b
( g; V4 P6 A: {  }! d# p$ a& F27.002620697021484 14.826167106628418

) f, q& q( ^9 _# m9 G. j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。