继续请教问题:关于 Pytorch 的 Autograd

雷达

6 C: M) H9 H* c6 z' s/ e
# _% T+ W# f) k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 N; P: M, timport torch
import numpy as np
import matplotlib.pyplot as plt
import random
2 e$ L" W% N9 K
* e5 W0 [" i  s7 |/ X( Q* Q8 n3 lx = 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

5 n# K( z8 o- x9 E" b% Aw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
1 m$ g: m: e3 H; Q6 H+ Mb = torch.tensor(0.,requires_grad=True)
. n7 v: J) \+ \6 I
, `1 g; s  c" Yepochs = 100
0 o) w; c  d+ q" H
9 J" S# A  {0 G; U( ~1 xlosses = []
for i in range(epochs):
4 ]4 j& |# l8 m: F* V8 X" x2 i" {; p3 A  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
9 g$ {. e; Q. T' m& F
6 d2 H: M2 Z6 V) V# i  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
* _1 i3 J  Q  e0 b4 V# L  
  loss.backward() # autograd
  with torch.no_grad():
+ V# M# `, O/ i# s    w  -= w.grad*0.0001   # 回归 w
* Y! c* b8 o7 D    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
; G7 B/ ^7 M1 w  b.grad.zero_()

print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
" {- n; @! G/ ?' A: c* O6 `/ v2 f) \9 I----------------------------------------------
# p0 J! Z! Z4 B3 t3 e/ l- k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。
( e2 v# V% J/ ~% ]高手们帮看看是神马原因？
: V8 c$ z1 J: s  F- ~7 y

老福

4 I  u7 X4 q  C* 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？
-------
# a8 M9 x: M# C$ _0 L4 Y8 a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。
" b$ {: A# ]5 [3 {+ a; k-------
# j" T( K+ [2 y+ _# ?: b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？
-------
: ^2 {/ q2 H$ y5 W% \! m/ ~  {不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
( x6 y9 j: _* T( G; X% V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
. j8 T9 [1 w5 H8 V9 g2 Y谢谢，算法应该没问题，就是最简单的线性回归。
  z  R6 [. o  E4 O8 S2 r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 ...

6 z) z6 s. O0 `3 M8 A' 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。

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。
$ B0 c$ M. L; w, G
或者把b但的起点改为1试试。 ...

, g3 V$ F' j& {: E: K2 f* T
' s) n$ Z6 u. V( s2 B3 H7 J: K你是对的。
* O+ C% H! @. c: A- ]" _去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

; S( |5 H" B# q/ s8 P循环次数加成10倍，就看到 b 收敛了
w , b
# v/ x  P( p2 c7 h, X& f$ k27.002620697021484 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。