继续请教问题:关于 Pytorch 的 Autograd

雷达

, b4 g3 F* ^. W
  A8 {4 h) v' U% D7 N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：
----------------------------------------------
% i, U) s) J/ U# |* Mimport torch
& a3 J3 D- f( _8 oimport numpy as np
; Y5 ^2 \# }- z# dimport matplotlib.pyplot as plt
+ h( O! z5 j# W8 t* o. V# T1 Timport random

& r6 P: D( e8 v4 X' Bx = 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
  O( _/ l% l7 S) Y4 O2 }- M" J9 ]
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
! h8 i  d1 r" B/ H
epochs = 100
! [$ C3 E4 R+ w, X# h
5 ~8 @! F9 |4 v0 B8 s" ?  ilosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
3 ]. c3 m" [+ D$ e  ~' y7 y9 l
! O/ h. d* @1 H: X; v  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
3 c2 H4 f6 B' n' H: o  
, s0 |2 F+ T5 q  loss.backward() # autograd
  with torch.no_grad():
& i( ?* u7 c7 j    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
' V- o: U0 d( @& c3 S" z- E) o" P  w.grad.zero_()  
  b.grad.zero_()
3 m5 y) [  u  t/ ~; C' r1 G
% `: A; C( y0 O9 q: tprint(w.item(),b.item()) #结果

9 N: ?9 |# w* ~9 m' P; A; c: h6 qOutput： 27.26387596130371  0.4974517822265625
% m- l) S- \5 }7 U; m% h! t----------------------------------------------
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？
6 B& K$ K, L3 G+ _: u

老福

2 U8 K" q1 B* s" u% ~- m
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？
' U5 X. E( p& n& F, H% g' b-------
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。
-------
- A7 T$ G0 L4 g9 g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？
-------
3 c6 E6 I3 o7 E6 }  v# n# j不好意思， ...

4 N5 B& i& o% N' S# X, n% r  _谢谢，算法应该没问题，就是最简单的线性回归。
, N7 k6 O3 Q7 n1 c' r2 h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
5 U: G% |$ u- x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 ...

. r3 E  B" X. [. 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。

; a4 n+ @3 g; A4 |' p. \# |1 e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
' M4 `3 ?: w( Q% V# U4 O( x4 i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。
% s% N' {$ Z) S4 ^% n; J+ l6 s
6 e) T3 @0 B/ e0 ]) O1 u: X或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
7 W: O2 v, Y3 }3 T) g! @+ j9 fy = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
% C1 t  y5 t" N9 T  nw , b
27.002620697021484 14.826167106628418

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。