继续请教问题:关于 Pytorch 的 Autograd

雷达

' `3 @0 c& Q# n: m' H; W' c为预防老年痴呆，时不时学点新东东玩一玩。
  c0 j( _' Q" _9 C8 VPytorch 下面的代码做最简单的一元线性回归：
+ g1 r$ c, I  y: m: {; c----------------------------------------------
1 I8 C8 {4 i; J4 A1 Z- rimport torch
import numpy as np
import matplotlib.pyplot as plt
# W2 f1 S& w* o! K8 G$ Q, X; {. Eimport random
' e( `. s& `" X3 @7 f1 ~9 j! v
# q- u% V3 @2 i2 B" jx = 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
6 H2 _) b1 X" V1 i
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
8 K% d6 H* d. W5 a. }" S! O# o. d
! |- e: K; B/ b6 f4 J- Repochs = 100

7 V4 W9 h0 A% Z4 nlosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
+ k: A; T1 \5 c( ]5 y  y_pred.reshape(-1)
+ Q* [, E. J0 `5 Z7 V9 \
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
: N- Z& E7 O# S- {6 t    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
6 q( B5 V3 t4 O3 @  b.grad.zero_()

print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
3 X: j& C8 L& O) M3 e4 i, ^----------------------------------------------
( k$ G9 d$ G- W% D3 E/ H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。
0 D8 v$ e+ W' U8 [# ]0 _! m高手们帮看看是神马原因？
% O$ S! J; \, Y3 Y3 @

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？
( {# t$ F7 K, p. \  b-------
% G4 b/ Y! K. z) Y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。
-------
, h" k3 X1 r) h7 P9 b% k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
8 Y1 r. k8 @9 {7 [# y# n/ L8 S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？
' {, e+ x9 M9 h6 ~) y-------
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

1 j4 A0 n0 s  i; K# b7 ?! d

雷达 发表于 2023-2-14 21:52
+ L- O' ?. r3 j0 q, n) I; k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 V$ t7 ^5 x. X7 D2 ?  o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 y' T! ?* f0 w. @
或者把b但的起点改为1试试。

雷达

4 Q! w4 [/ H$ m+ k* N

老福 发表于 2023-2-14 22:00
: `, y) m# L) e! M- I1 n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。

4 t, Z- A1 W7 F! ]( U) F或者把b但的起点改为1试试。 ...

9 y2 _: `0 z; C9 O
你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
. W- s# v; t6 H, K* |w , b
27.002620697021484 14.826167106628418

* O! Q- o  o. G4 g0 K7 U- I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。