继续请教问题:关于 Pytorch 的 Autograd

雷达

0 x# a5 {$ Z% z. O, S6 ~5 `8 Z: y
. o- [$ o/ U+ A+ T# ~# O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：
, N" D5 v8 q& i+ P$ J----------------------------------------------
import torch
import numpy as np
  n2 R1 q- R) x$ Limport matplotlib.pyplot as plt
import random

x = torch.tensor(np.arange(1,100,1))
+ A7 F) k, v% {; vy = (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)
4 i7 I' R8 f/ t6 a) N
epochs = 100
# `7 y; c( C1 n! q" E
losses = []
1 G; o# L+ S4 s' xfor i in range(epochs):
/ s' s( c, y& v6 X3 F  y_pred = (x*w+b)    # 预测
, D! e  c; m9 I5 G2 L2 e+ P- m: L  y_pred.reshape(-1)

% P/ ~6 d  Z, y+ T/ n  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
; ~* z8 m3 }3 X1 F) _7 b  loss.backward() # autograd
  with torch.no_grad():
( e; L( }8 E5 X* Z# J& D    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
* L' ?3 N9 U$ D- }- B/ S3 J  w.grad.zero_()  
  b.grad.zero_()

) P: x# g9 ^9 _; M! Xprint(w.item(),b.item()) #结果

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。
1 i# o$ ^  W% l+ k7 C6 x  q& |. F- B高手们帮看看是神马原因？

老福

# e1 K. Q+ V7 H/ i5 w( P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 D& Q" d+ D1 \7 R8 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。
0 h% n: L% ^, a" d$ u, f( u-------
/ P% S: X! l3 g; G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
# }9 D0 i! f' c1 \# e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？
-------
" q( k' t* E. _不好意思， ...

0 {. f( \  a7 M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

. l; u2 T8 \, H: l2 d

雷达 发表于 2023-2-14 21:52
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 ...

% w& `9 D" {" k3 W( L/ f/ d) 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。

; s3 D  v6 q2 Y4 ~. S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
; r0 f4 ~, N: ]3 j- z7 P6 N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。 ...

) @' f& ^2 T! R) t  R3 T8 w" p
' Y+ \' F* z. m0 i, v' K) O你是对的。
) f) H5 C) A& P4 }去掉了随机部分
: G& }' x1 f( Y0 r' p: ?. N#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
7 O+ w/ V; E4 D! l+ k5 [' D
) O" f2 \! z: u0 D循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418

& ?  F% d# U  v+ b: o/ 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。