继续请教问题:关于 Pytorch 的 Autograd

雷达

1 M! ?8 K" v' z4 v
2 J! b+ U" ~$ Y0 H) r0 r/ `4 ^' t为预防老年痴呆，时不时学点新东东玩一玩。
0 z$ G3 j& K0 W. a* K( ]6 P" ^Pytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
, T% c/ X2 B/ r7 u4 ~2 y+ y) G9 Rimport random

4 \- ~0 A5 s4 `9 qx = 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

3 W' C! x2 D( e8 F3 l& V+ E) k( vw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
5 K9 G  v+ A8 E; Fb = torch.tensor(0.,requires_grad=True)

epochs = 100
$ d( t! d0 E9 _! _9 L' P
losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
2 x+ w3 n% p8 [
" w. s% m' K7 ~  s* Z( n' o  g; ]  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
1 R+ j# M4 a  U, w* B: O5 o0 b1 `0 t  
  loss.backward() # autograd
. ~  t: k. ^' Z/ X9 q  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
' q; N) Y0 T- {3 j; }* m    b  -= b.grad*0.0001    # 回归 b
  d4 L/ {1 r: r3 y! \- \  w.grad.zero_()  
- v  M! y6 X6 a' ?' X  b.grad.zero_()
1 U/ c/ }( C# h# h# b0 e
print(w.item(),b.item()) #结果

- `" i" M6 Z: m/ h) _" uOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
/ @4 i% ~/ h$ X/ v( }# |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

7 `5 L& P" _7 j
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？
, O) E9 g: s& R+ f-------
: l0 a, P) s# q7 a2 ]5 W. w7 c+ W6 k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。
$ N) s( j6 z7 @2 _-------
- n. ^# P; {8 ]* c; V* A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？
- X0 W" _# ~3 s9 ]' h3 d-------
% W! O, [$ Z3 f不好意思， ...

$ o/ z, F. v! y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

雷达 发表于 2023-2-14 21:52
0 y9 x: }5 j7 h谢谢，算法应该没问题，就是最简单的线性回归。
# q+ s: v+ A& d4 A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 ...

! ^% D% T7 f/ G* ?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 v, y' A; _/ r  a6 r& V7 V) 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
! m8 C: i: F3 D1 B2 f  ]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。
9 K' A( c* w' N* N
或者把b但的起点改为1试试。 ...

" s( q6 p, @% Q2 A
你是对的。
9 P3 S( A/ C- k0 K" P2 k去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

" q& h# H- w& E  B# v3 |循环次数加成10倍，就看到 b 收敛了
w , b
. h4 a. }) ^) L0 E; ~! u27.002620697021484 14.826167106628418
, F" N4 A6 l- y; k) z
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。