继续请教问题:关于 Pytorch 的 Autograd

雷达

' L" N) X8 n8 }8 q: _  i7 e
; X% \, X, x: i' g. p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：
$ ]- O3 ]: B6 i----------------------------------------------
+ X2 B4 f: P1 ~1 A- ^import torch
! _# t( y) \$ q1 vimport numpy as np
import matplotlib.pyplot as plt
/ J6 V7 |; H0 G2 F, C1 F9 y( wimport random

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
, i7 ?0 j& M" l, [0 y- Z9 z/ I- L" ^
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100

losses = []
' M2 N# H8 z. h. |for i in range(epochs):
  y_pred = (x*w+b)    # 预测
0 h3 ]6 D. l. `/ w& }6 o. L  y_pred.reshape(-1)

1 a0 H4 h( d0 v. ?  loss = torch.square(y_pred - y).mean()   #计算 loss
$ ^2 L! I- y+ C! o, h  losses.append(loss)
* n4 \, S9 ]$ u- m  
  loss.backward() # autograd
+ `7 \8 P' F- }/ k! T  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
; x- G7 V' z. ~; d  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果
1 v% w2 T  |) _  T" `! v
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。
& {, Z- L1 _* c* J! _, @5 g高手们帮看看是神马原因？
: u% _( K! I$ Q7 s) H7 O

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？
$ v) u! v( {% x/ N/ q8 z2 S' @4 U-------
. ]" q- K) E, n4 a3 ~2 t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 g. R1 O% X: R$ l-------
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？
-------
0 q$ U. j7 ?8 f7 F0 P( U6 X, }$ m不好意思， ...

) J0 @+ [+ x0 ]/ Y6 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一下。

老福

* ?, d& x4 n, W: d

雷达 发表于 2023-2-14 21:52
+ G4 t- k9 W  s1 Y; ^7 w谢谢，算法应该没问题，就是最简单的线性回归。
3 V0 F# C& j; t+ A0 @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 ...

: [7 {/ f6 t" b( `' i2 k: _' r$ 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。
3 k- t7 R( s" z" m( v4 g1 \% Q6 u
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
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 d7 g: c0 \; M9 y2 [- t. [或者把b但的起点改为1试试。 ...

6 c) K7 I3 L$ @
1 W% W/ Q: e0 A1 k你是对的。
8 W! Y. @( t$ o- f2 n. Y/ [去掉了随机部分
$ w6 w4 G/ U$ ]7 `* H8 t4 ~#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
; S1 l, z% b! P& dw , b
27.002620697021484 14.826167106628418
: s& Z# W$ c9 `7 n6 J/ 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。