继续请教问题:关于 Pytorch 的 Autograd

雷达

+ n5 B, p+ X' G, a
0 a$ G5 o2 O6 m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：
* _% X2 m1 m4 e" ]4 z' ?----------------------------------------------
/ e1 K5 t  D6 L8 _1 j( Oimport torch
import numpy as np
import matplotlib.pyplot as plt
import random
) l4 X2 f$ R; h' x8 L* I9 E
x = torch.tensor(np.arange(1,100,1))
. H' `3 X# d. i6 d) Qy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

1 h4 k+ U, r1 Y2 G4 E% d9 [w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
5 E4 _, W# X5 y/ Vb = torch.tensor(0.,requires_grad=True)
$ b, D$ U: U( g* b2 s
epochs = 100

losses = []
for i in range(epochs):
3 R- S# m) o1 H. Z9 F9 R; u  k  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
2 X9 R& |, h! ]% |  `& Z
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
9 N$ H; P& ~0 ~3 U  loss.backward() # autograd
4 J3 b# r! W/ `  with torch.no_grad():
+ E- s1 H: M8 e( {9 P4 M. ^' u  x, Z    w  -= w.grad*0.0001   # 回归 w
8 A9 b7 u* w2 U5 m1 s    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
7 h1 q5 L2 X0 S+ b; c  b.grad.zero_()
5 f/ V- t. h" l" E( e( H
print(w.item(),b.item()) #结果
/ R1 U/ U, E# G( N1 u5 ^# h7 l
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。
高手们帮看看是神马原因？
( W# [/ v9 Q7 @: }" j3 e

老福

6 l3 x2 W) ]9 e6 d7 e4 I# X( i
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？
9 u6 b# q: D0 y5 O) L-------
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。
-------
$ I2 ~: c, N0 Z+ V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
! t7 F0 j; }( p: }1 w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？
% u! w5 x) p: a) y1 b1 E-------
& p2 l) f4 B! R- S不好意思， ...

2 g/ U& k: d( k; y0 l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

6 M8 t; n. J+ Y" {

雷达 发表于 2023-2-14 21:52
; b1 \7 L) Y6 S6 d- R0 ?' ^+ Y: Q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 ...

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。

* a5 P& T# N- a; p+ ?或者把b但的起点改为1试试。

雷达

: G4 N- T" V$ u6 }8 C, V- e  A

老福 发表于 2023-2-14 22:00
9 d% a% K+ G; c7 r0 X5 D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 W  e9 y. }  [4 ^! `, O- [* x$ h
0 M; f3 O* ~) N$ w  m或者把b但的起点改为1试试。 ...

8 [/ D, J2 ]  O  @# o2 d你是对的。
去掉了随机部分
; F5 _" u) P8 j( P4 O. k9 ]#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
/ x" U' ?6 g! K5 M
: A8 _  a5 f* F循环次数加成10倍，就看到 b 收敛了
5 a: J/ l1 m: Qw , b
' M5 W$ o" S$ A( z27.002620697021484 14.826167106628418

; M6 e+ j4 G+ P: k- Z% y; h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。