继续请教问题:关于 Pytorch 的 Autograd

雷达

! ]+ ~( [- Q$ n6 A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：
+ m( S% y5 G5 @+ _----------------------------------------------
, |4 I  a( q. j6 Jimport torch
import numpy as np
import matplotlib.pyplot as plt
import random
$ \* d2 X6 i5 m+ n& x7 t/ S
$ l; q- d5 O2 B9 zx = 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
8 a1 Q4 E) u3 i2 n0 S
+ A, \' o# i% ]/ @0 O/ Mw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
0 O, g; v5 ]3 G" nb = torch.tensor(0.,requires_grad=True)

* H  o5 S" }( N$ x8 V8 m5 \epochs = 100

losses = []
9 x4 V9 q; b9 k4 |, w* yfor i in range(epochs):
# V/ }$ D- {% L% F% L  y_pred = (x*w+b)    # 预测
2 ^( K5 S7 |3 ]( u$ B  c9 M  k' |9 S  y_pred.reshape(-1)
5 b& \0 ]2 H/ {$ ^9 `5 |; K
8 u( [/ T9 h3 ~2 f! E! c  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
8 a1 l5 q3 U6 h7 q9 k# X7 L/ V+ t  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
6 |/ j* z2 `! [6 Q  `    b  -= b.grad*0.0001    # 回归 b
9 S4 a* ~! W* d& g5 [  w.grad.zero_()  
8 Q+ R5 D' H4 G3 b. w  b.grad.zero_()

6 Y6 W4 r: z  D8 A7 aprint(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
. M8 U6 U4 m2 V7 U8 i6 l0 ?4 }7 R) G----------------------------------------------
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？
4 L; h% [9 c4 t/ C9 q

老福

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？
-------
7 J2 t2 q  v4 p- z- X7 U, r% Q' ~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？
" |) ]+ D- x5 t7 s2 y-------
. s) f; ~! r2 J) Z4 q& p不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
% A1 u- w% v6 }. 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
2 l' }3 N" D# f2 P: `谢谢，算法应该没问题，就是最简单的线性回归。
% U4 L; e) {! A5 N% V4 f& F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 ...

/ j% d+ l6 ^6 R' R3 }
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。
: P& d- t, ~2 M* f4 ]3 b, ^% G
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
7 K. e# Z4 J5 I4 i( Q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。 ...

; P3 E; \/ C# X0 u6 L
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)
/ c" E4 V5 B! F4 h3 }' o
循环次数加成10倍，就看到 b 收敛了
7 j0 E! x* H% y/ ?# |  z$ Nw , b
6 }6 a# F3 ?7 j# d1 w27.002620697021484 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。