继续请教问题:关于 Pytorch 的 Autograd

雷达

* x& t8 x. r% m. F4 ?$ H$ a$ K) R5 W
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：
----------------------------------------------
9 h3 F* m3 L( n" aimport torch
: n* H/ K* g8 x1 A  G4 d9 {/ Kimport numpy as np
import matplotlib.pyplot as plt
import random

0 ]4 p: B( U. Y/ P5 Bx = torch.tensor(np.arange(1,100,1))
* |; u+ r' n7 i& Q' Dy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
% R  b% Q6 K1 S) ~$ y- L& p' f& K
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
; v& y4 _- q  a% o: E0 E/ F0 R4 l$ eb = torch.tensor(0.,requires_grad=True)
) j0 u  \1 h& x$ e
epochs = 100

losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
# H4 _0 Q* F# h. j: S
2 @; `1 G& F2 E  loss = torch.square(y_pred - y).mean()   #计算 loss
: k( }$ t! V% q$ N7 i8 W  losses.append(loss)
$ M) W+ {; ~6 [  
  loss.backward() # autograd
3 T% H$ b. ?; o6 V3 R; _  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
+ ^+ k9 L$ k* k  ]2 _& M% l/ `: c    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
! m6 B/ o/ g5 g! w2 p$ s5 i  b.grad.zero_()

print(w.item(),b.item()) #结果
1 d0 R1 Q" g6 u# E6 }
Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
6 ~$ H6 G$ R4 R: Z  v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？
3 m/ X/ ]2 F4 y7 O4 k

老福

, Y: J4 j/ c3 J* z. y1 ^
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 G1 T: {$ I: H1 T/ p- ~4 i-------
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。
-------
% @0 z2 g5 d5 [6 l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？
: U5 ^' A) V8 h0 g3 s1 ~6 b-------
$ |1 w2 V5 m+ N: K不好意思， ...

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

" P# z- r* p" S5 n2 ~

雷达 发表于 2023-2-14 21:52
- ^: [4 B! _: T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 ...

/ E7 e) R, i4 Z% X& @$ A0 j* H: Y
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。
$ B3 ?5 i, }  \8 A. C: F% j
或者把b但的起点改为1试试。

雷达

, D7 G, X' \7 W$ R, O. ]" S

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。

( l* N3 y% i. _/ V  G* ?或者把b但的起点改为1试试。 ...

" y/ A5 t. f! U! I" O
, }9 F8 ~$ Z5 F! B- X) A7 Z你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
% _0 T& N% z) [# W0 S
" ?/ d# P$ s  j. |! D+ N; _循环次数加成10倍，就看到 b 收敛了
! m6 V' u3 G) Vw , b
27.002620697021484 14.826167106628418
4 j* z0 X4 s- n# Z# {" v. \
+ W5 M" O& k( m0 W* a" u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。