继续请教问题:关于 Pytorch 的 Autograd

雷达

9 M7 Q1 t% G% O
为预防老年痴呆，时不时学点新东东玩一玩。
7 p% p5 i5 A2 q5 R$ a5 R  qPytorch 下面的代码做最简单的一元线性回归：
: k: c# E; L( W( [9 D----------------------------------------------
import torch
  ?4 M7 T& d2 V+ d" kimport numpy as np
) y: i' b6 }4 Timport matplotlib.pyplot as plt
4 n) d0 l, o$ ?( p0 w% bimport random
" J) z1 X8 H' h) ^+ y
' j$ X; }' x5 d7 _x = 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
- A5 _1 f/ F+ a" A4 g* ^
. l. A7 E% w. H1 z" F/ `/ cw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
# _9 r6 ?$ ~2 U0 l3 ?) b
# R) O% j; I0 B* V/ F' N2 G7 ^epochs = 100

3 i& o0 F( ^+ J3 P/ z' ~" [losses = []
7 S! |, E  c) lfor i in range(epochs):
9 X9 _8 q1 B( e1 i$ D3 n( e. I  y_pred = (x*w+b)    # 预测
; y: q9 n- }% V# }, p3 H* |  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
$ x! _+ D& ~8 D8 s8 z  
8 K" ]( q0 ^+ K% w# [# h, [  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_()  
% w) d# A5 A* e' w( |  b.grad.zero_()
) E$ G, Q6 S  ~1 |6 B4 K; L
print(w.item(),b.item()) #结果

7 z/ m! J- a& Q' ]) f  hOutput： 27.26387596130371  0.4974517822265625
  F( J3 j1 c: A& _9 f----------------------------------------------
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？
- @5 T' i2 u* ?  e

老福

# z# G$ B' |8 ~, a  X, b4 Z) B
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？
-------
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。
-------
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？
, B6 t0 j3 w4 |; j; q. D! P-------
* [# C& |. s. T. K- j  j0 P不好意思， ...

* ~# q, }0 }; S3 E* [5 N9 O谢谢，算法应该没问题，就是最简单的线性回归。
) r4 y8 d% j1 q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
3 }8 R- j% k2 D3 \3 a) R* I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 ...

2 t# b, c, E9 a' u; u$ d5 B
0 k3 B% @0 C- |, ~0 }; A! X' h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 {/ |2 L: v7 D! Z5 m
或者把b但的起点改为1试试。

雷达

6 f0 P# r& p8 s

老福 发表于 2023-2-14 22:00
- h  X( z" x! T: \8 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。
7 p, Y# I; h; y& W
0 V8 w7 b0 _, V7 a' \# I: e1 d或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
. S' N% p$ _% K, Z, ^#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
1 \* X3 X  m+ j/ f+ ?
4 J% Q- E2 O) b循环次数加成10倍，就看到 b 收敛了
w , b
/ @: o, Q# y& y; M4 R5 L27.002620697021484 14.826167106628418

$ [( O( U9 X! R$ B5 r- p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。