继续请教问题:关于 Pytorch 的 Autograd

雷达

- |1 A: O+ ]& o# U
为预防老年痴呆，时不时学点新东东玩一玩。
  c5 T9 n2 w  x% B& WPytorch 下面的代码做最简单的一元线性回归：
  O' S" ^3 F( q6 P! ?----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
9 S, q* z1 r! \: }5 {3 p0 wimport random

1 g( F% G" Y+ t7 b5 }, m# `x = torch.tensor(np.arange(1,100,1))
! T: l$ P! q1 o5 n( R3 ?y = (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
7 R' \5 U% s& s- H' tb = torch.tensor(0.,requires_grad=True)
7 B  m9 k2 U( j" V7 f; [
epochs = 100
0 H* v5 V& F# |( ?3 \! u6 q5 [. w
losses = []
. z1 W2 j# o7 O0 zfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
. j+ J& b* c) G7 s: y
5 L" _9 R$ o/ d& r# r, c7 S  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
& n* ]) s0 ~& i' S  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
, q4 y; C# A9 J7 {1 g6 ]) o    b  -= b.grad*0.0001    # 回归 b
+ \$ Z1 c1 }1 \0 J( o  w.grad.zero_()  
2 N  S" A+ U6 D  b.grad.zero_()
7 B& }( f8 Z$ w) h3 d4 @3 r
print(w.item(),b.item()) #结果
9 \5 q3 s7 J) X  K
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。
高手们帮看看是神马原因？

老福

) L5 R6 [- f- Q
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？
0 v1 C' ?% ]9 w8 y. E- k-------
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。
-------
' G, K: G: K+ U: ?+ N& n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？
4 g$ \3 _0 |0 u- e-------
0 \, ~8 r; ]6 a. j" S不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
. m" H" Y- o2 r; n8 l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
: v4 E" H) W/ {  r2 K6 U谢谢，算法应该没问题，就是最简单的线性回归。
2 J9 [. I$ Z& f8 u6 a" ~' v8 @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 ...

/ [' v3 S" a, e* U" c- P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
. F0 l# M. Q+ J0 ^) H6 B. z; h! i* l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。
- G( D+ b, j0 z! w3 S- N
或者把b但的起点改为1试试。 ...

- A: N* ]" D6 ^2 Q: D
8 p6 c3 ]# k0 g* B  S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)

- x* r2 i1 l+ k( N. ~8 i( {循环次数加成10倍，就看到 b 收敛了
* W  I' S$ P/ u! rw , b
0 e+ E' u; M0 |5 F# O8 z- Y: o27.002620697021484 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。