继续请教问题:关于 Pytorch 的 Autograd

雷达

  h2 K( c0 O2 a- T7 D4 d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：
----------------------------------------------
5 `- T3 U) f" J6 M+ x1 c" Oimport torch
  x: J' g4 _0 @# A2 c3 Q, Pimport numpy as np
import matplotlib.pyplot as plt
import random

x = torch.tensor(np.arange(1,100,1))
3 c9 ^# \# r8 h1 W0 cy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

) ^* B# `% I5 c2 I, G* U. D' Aw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
2 U4 p9 s/ O) u9 b+ Xb = torch.tensor(0.,requires_grad=True)
3 H) ]) I& n: }6 W* U6 \
% X4 V9 m( k- mepochs = 100
6 f* o2 @( [% E8 t
losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
1 \4 S% R  [2 c: Z% v  y_pred.reshape(-1)
6 X- a" N, ]% W/ O5 q
  loss = torch.square(y_pred - y).mean()   #计算 loss
  V3 |: k; d6 C- j, P6 u0 }: g  losses.append(loss)
, T- s; e; l# d$ q  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
8 ?1 ^: I3 r. J  b.grad.zero_()

print(w.item(),b.item()) #结果
0 `% A1 s6 U7 n
9 L, O; C; ~/ ?0 Q5 e# aOutput： 27.26387596130371  0.4974517822265625
3 @) B: z0 v2 @, n----------------------------------------------
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。
; w7 a) k8 V/ o$ \高手们帮看看是神马原因？
- x1 z: R4 E. e) Z; `& U

老福

8 \& U/ f' }1 c' M6 A; G% ~2 c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？
! T& G4 S0 {- j" i( S# Y9 o5 ?-------
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。
1 {2 m! s8 e. w  P9 F2 k3 a-------
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
: e4 ?5 |+ Y* R7 I& n! U3 J5 }5 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？
. |, T; F% A4 D8 O-------
' u. H7 \- j2 Y4 j不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
6 Q: c" @, x& {" k) t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
/ ]5 Y1 Q$ h4 B, ~4 C谢谢，算法应该没问题，就是最简单的线性回归。
6 ]+ d$ A; ]+ D7 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 ...

/ Q# |, ]* ?, W; I
2 D4 W) f* D5 |4 O0 z! ?# l5 R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 X' ^0 p7 P6 ~: m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
  E5 I; V# [7 L1 v9 \1 z5 a; [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。

+ F  e5 G7 O& l' Z或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
1 O9 o2 o4 X' y( k7 A# e+ l4 X$ ry = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
, V% f* n5 ], Y  X! Y) `/ \27.002620697021484 14.826167106628418

4 M5 t6 [# \! Z, K6 E/ D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。