继续请教问题:关于 Pytorch 的 Autograd

雷达

9 l  T. S4 X: e8 d+ K* L+ e
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：
----------------------------------------------
import torch
0 o. p* ?( F$ q9 I) F: F6 {import numpy as np
9 d2 x6 a; v3 Y& w% o5 E* z% Gimport matplotlib.pyplot as plt
import random
, }" }  |, x; j+ \, q" U
x = torch.tensor(np.arange(1,100,1))
$ T4 {$ C: u! Wy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
8 X% ?+ C' a9 w0 O
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
9 j9 G) Z6 G: i' f1 lb = torch.tensor(0.,requires_grad=True)
# c0 {4 J3 d4 S! E0 q1 I
! x! N0 O# e! W, j5 Wepochs = 100
' S; t$ H2 D: V8 |% y. c
losses = []
for i in range(epochs):
" i) {7 t# U% _3 X9 d2 f4 e4 ^  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
' ^* ^( R, i2 c  h( D$ W5 [    b  -= b.grad*0.0001    # 回归 b
6 M/ m* q1 ~, r: a$ c+ @  w.grad.zero_()  
  b.grad.zero_()

/ f# h% p! z$ Z5 Kprint(w.item(),b.item()) #结果

) g4 I( t2 P0 O) M* fOutput： 27.26387596130371  0.4974517822265625
/ _! D  s' U7 @  c' `----------------------------------------------
3 {# K& V* X; ~' {: J; @. m& r& d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。
4 z' e) P. u. S, F4 F. D& D2 U* Z; ~高手们帮看看是神马原因？

老福

% P  p3 B; G$ q9 {9 \
" u2 u3 s$ C. C- S; J$ l1 V1 ^6 k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？
-------
! i& y2 {9 H) C7 f+ f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。
/ a' r9 K' ?2 L5 K0 n-------
+ M+ O% I+ |6 z$ E% b3 ^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？
-------
1 e- q8 S2 W: ]不好意思， ...

- Y- c9 a* U" X1 w: T, u+ X谢谢，算法应该没问题，就是最简单的线性回归。
# E* q& P/ X6 \: W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
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 S5 Y2 K- g0 A: o/ D( ~7 T" |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 d4 O1 H* S% {+ `/ K: i' a+ N. P
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
" K  \( V% \; x/ t* T: u) s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。 ...

你是对的。
4 e* N" T/ y) ~% a去掉了随机部分
' |$ G9 r7 p. l#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
' D; ~, a" y% E$ W' I* j+ v# N5 N
循环次数加成10倍，就看到 b 收敛了
2 x6 H2 R5 D! z) e! h. n: _+ Lw , b
27.002620697021484 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。