继续请教问题:关于 Pytorch 的 Autograd

雷达

6 |2 v% ?  [8 J, E5 S+ r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：
" |" v) o8 B8 C4 ^& Y6 b- W7 _) R----------------------------------------------
import torch
4 B# G; p: y1 k2 E$ k4 f# R; ]" D. Yimport numpy as np
. V2 [/ E9 `8 T/ `8 u/ \, ?import matplotlib.pyplot as plt
import random
( v& P$ l7 h+ G* W2 n
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
9 J0 j6 p* F) u) c
5 c7 x7 n1 J- n' vw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100

# s" e! W2 b; S) t# x" v6 [7 Nlosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
! w  b0 l# h2 Q) X4 X  
  loss.backward() # autograd
3 s' M% D' ]7 `; d$ i  with torch.no_grad():
0 X. R  _9 H+ l6 ~% O    w  -= w.grad*0.0001   # 回归 w
, U3 Y8 x: O  K" F, w) J    b  -= b.grad*0.0001    # 回归 b
1 ~9 M* R  C, m  i5 X  w.grad.zero_()  
, @& v5 q' `8 |, ~& l. _  b.grad.zero_()
" V  n  l" g1 d
print(w.item(),b.item()) #结果
2 K3 b- Z0 s. R3 K' z
1 E! c3 |, v. K7 \! G  yOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
- O* Z' ~% u4 Z- L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。
& e' l2 N$ g& Y& _/ z9 e高手们帮看看是神马原因？
; H3 O3 Q* T# w% z  o

老福

1 J4 S! E) {# y$ m# x
9 m, U9 C$ a# z* y$ e% `% y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？
" y* W9 k( X- o- n-------
$ u  R2 y) P/ i5 N9 n+ ~' u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。
-------
. x7 M- ~8 [* S5 v! U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？
-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
" W; m( p$ J! c. g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

" x* B8 L" i* d# a. I4 _' r

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 ...

" R1 I, \7 s" K$ g7 p! w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。

8 v% k' A% C9 s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。
  g- ?8 a& Z* n9 Z- z2 ^( Y
或者把b但的起点改为1试试。 ...

+ a, M; q2 Z* S
0 `9 ^+ B! {: F2 E3 t8 a你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
/ _3 i0 ?4 N- [/ xy = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
' g* r* Y2 O9 H$ Z" l0 f
3 u- b, l* L6 i8 i: ^$ g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。