继续请教问题:关于 Pytorch 的 Autograd

雷达

9 d+ ^$ r  c  [8 b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
import numpy as np
import matplotlib.pyplot as plt
import random
: M7 C' c4 _) }) ^% Z/ O' G
; p6 D' [, s; |$ G# |6 _: Rx = torch.tensor(np.arange(1,100,1))
. a/ _( q# t; J" zy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
" q2 ?" V' E1 s6 W/ E% Q' d8 J2 n
; p' N/ C+ M  g% i+ s+ Q; A8 Cw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
5 R. A0 w# G+ s( rb = torch.tensor(0.,requires_grad=True)
/ `% J- Y4 t; N  o
epochs = 100
0 F4 K6 U' W) x1 L: o, Y
losses = []
5 {" W$ u1 h4 afor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  x4 N) ?' w! l6 z5 n  y_pred.reshape(-1)
7 e- ^+ C- y# r$ X- O; H1 B) i* m5 G% o
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
: j% N- {  F' m( M1 n+ K; ~  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
+ H) m; I4 Y, {, z* `    b  -= b.grad*0.0001    # 回归 b
4 W# C8 f* [6 l: I, E  w.grad.zero_()  
* e9 X1 l4 S; g0 K4 v7 F  b.grad.zero_()

print(w.item(),b.item()) #结果
2 \: N/ |) a' d8 B( T$ S  C. I: X/ u
0 Q' D$ ~6 \. k& Y  v- t4 w% OOutput： 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？

老福

5 J: P$ c( C2 U; |, R
$ x( g$ \. |: |5 k7 }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，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。
-------
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？
-------
5 ?0 Z9 Q7 \- J2 X1 a' E9 K+ q9 y不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
8 y! l* H5 Z! s0 h7 |5 n" C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
- H1 f  {% n* @# G+ R' X  S' j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 U8 d* a5 K9 ]+ V
" S0 y" {1 k& W* g/ 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。
3 \) P+ u( @; L' ?" U- A
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
" ^& q7 X2 Q( c# P1 D- w, 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。

或者把b但的起点改为1试试。 ...

# k0 V/ e& O0 B% u你是对的。
9 h; @3 L/ m- o去掉了随机部分
. h- r7 j/ N) V. j2 ~5 I& @#y = (x*27+15+random.randint(-2,3)).reshape(-1)
! b0 w" U& F2 Y0 a. i- {* Ey = (x*27+15).reshape(-1)
6 p$ [2 `, P6 {3 W8 P  I  z
循环次数加成10倍，就看到 b 收敛了
w , b
, L6 S6 r6 D0 D# M4 w! `, L7 H27.002620697021484 14.826167106628418
% B$ d1 p' E( A! K
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。