继续请教问题:关于 Pytorch 的 Autograd

雷达

# V3 F6 N. f* U( k0 g. L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：
. @+ s8 ]6 B. g" `6 D; m2 U----------------------------------------------
0 q& X0 m, O8 m' f3 S0 Uimport torch
; u- f2 ], h- ]4 M' W) M: Kimport numpy as np
import matplotlib.pyplot as plt
9 a% g- @* ?% ?% h3 @import random

: W. |% H' y, t3 ]; zx = torch.tensor(np.arange(1,100,1))
2 }- ^' A" d( J8 u" l6 Sy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
, M! Q( p0 i) t& s3 C7 u" ^3 b
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
& u4 P, e8 h( H. A) p3 n' Ab = torch.tensor(0.,requires_grad=True)

epochs = 100

% E$ p% {7 R0 A' i& Alosses = []
0 y$ R  W1 \* N3 Kfor i in range(epochs):
: l; Z; w) h2 Q' b/ ]  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

- Y* b( P" V% j& a% p  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
" H) U' S0 b2 v, E  
) o, u+ N& t  I  loss.backward() # autograd
7 }+ M( n0 h9 K. f5 }3 G8 z2 L  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  z3 a, m/ W& @% d  w.grad.zero_()  
  b.grad.zero_()
& |* _5 K4 J, {+ J
print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
) o4 |! u( U; V& U/ }% @! B7 |----------------------------------------------
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？

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？
-------
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。
8 W3 S  m+ f- H) q, Y-------
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？
" e7 U6 R8 ?  V0 J-------
不好意思， ...

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

! ^0 v2 {0 X1 g/ s( z) A0 ~  d

雷达 发表于 2023-2-14 21:52
- ~0 Z5 L4 i( x" o3 ?谢谢，算法应该没问题，就是最简单的线性回归。
9 B! H9 m7 {( Q" w! C: `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 ...

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。
* w! x0 w9 @8 z$ g
7 W  E5 H) i, C7 E9 k$ W8 i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。

或者把b但的起点改为1试试。 ...

/ B) R# R. l+ D: @
+ O. O- ^  H- Y) b你是对的。
8 ~0 \- r3 C9 F2 i2 o! J4 G& M) t6 u去掉了随机部分
, k9 ^( q. B4 E#y = (x*27+15+random.randint(-2,3)).reshape(-1)
& e" B3 ?* @- T5 B$ n0 ly = (x*27+15).reshape(-1)

3 l  t, Z0 F3 a. w% Y: H循环次数加成10倍，就看到 b 收敛了
7 r. U% _  U% S* {$ |w , b
27.002620697021484 14.826167106628418
2 L" r5 ?' C* Q0 g8 c/ f1 Y' \% b
" T9 a2 N1 y: _# 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。