继续请教问题:关于 Pytorch 的 Autograd

雷达

9 n7 f; G. U* X6 d5 r为预防老年痴呆，时不时学点新东东玩一玩。
# x. w7 h, q6 @* KPytorch 下面的代码做最简单的一元线性回归：
/ f. E# d5 X6 x$ ?4 b" l7 Z! H----------------------------------------------
import torch
import numpy as np
$ j% f) B9 X8 j' W6 p( B2 Q: c1 b6 e2 Limport matplotlib.pyplot as plt
import random
; S5 y  l+ s9 m1 N; N
x = torch.tensor(np.arange(1,100,1))
, p4 P2 G4 {( _1 My = (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)

0 q4 E7 a& X0 ?. C# Kepochs = 100
9 x- ?( o2 y( D2 Y
losses = []
' `3 }% y% v2 m& pfor i in range(epochs):
' Z! @" J% D' P  G$ i! f2 r  y_pred = (x*w+b)    # 预测
: `& O, L  X* u3 N( Z- o  y  y_pred.reshape(-1)

5 f# U, ]9 d4 K* c3 D8 G- l  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
+ D- U& Z$ `$ X6 N7 r, R$ P* `& j  w.grad.zero_()  
  b.grad.zero_()
0 S% N* Y6 a$ _9 Y) D
print(w.item(),b.item()) #结果

; d2 v7 M' c6 sOutput： 27.26387596130371  0.4974517822265625
: o0 J3 Z& _( F----------------------------------------------
: D5 Z: Z0 i. n7 Q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。
* B+ b; t' `% u; }( k高手们帮看看是神马原因？

老福

! K0 _: e" j1 ]: }
" `0 H# V+ A6 ?9 f2 R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？
* I5 [: \" N/ W* Y0 ^" z-------
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？
/ ~7 v; k- r6 R1 e9 O-------
. Z& a; C; C1 ^4 N不好意思， ...

0 F2 h% ~4 F8 V+ o. p8 ~8 z谢谢，算法应该没问题，就是最简单的线性回归。
+ {  a1 f5 z8 n- [6 V! j1 P, C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
; S% W# _+ T0 R2 n谢谢，算法应该没问题，就是最简单的线性回归。
, ?3 R. U1 f6 T6 ]3 b* _# p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。

6 h( O( B; W; Z: l3 d' |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。

+ U- `4 m( r) C0 q% K& b) g" h. g或者把b但的起点改为1试试。 ...

( \5 V  f5 b) ^4 J
你是对的。
' f: u* N# I+ \3 R' [去掉了随机部分
& }2 O3 ~: F5 k& z0 q#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
4 X! d( A% e3 y) H! N
+ J+ @4 V+ s  X& @9 j  q循环次数加成10倍，就看到 b 收敛了
6 E( F& ^. }' u) q# z2 _) L  p  Tw , 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。