继续请教问题:关于 Pytorch 的 Autograd

雷达

6 h% o( s9 L  C1 t/ r1 g
' Y9 {! @+ [/ M% N( Y% z( \为预防老年痴呆，时不时学点新东东玩一玩。
, }9 y* S( P) z9 z8 X  Y5 E" v0 `1 HPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
8 M6 Z7 S  p# u: X! d# Ximport numpy as np
import matplotlib.pyplot as plt
import random

2 @! T& _7 o4 `x = torch.tensor(np.arange(1,100,1))
' ]2 M9 D% }2 E4 n8 I5 Xy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

$ j. z5 S0 P' W7 E7 w; s9 Ww = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100

2 t$ p7 c, n8 Q% a3 C" \$ v$ g4 @) Zlosses = []
for i in range(epochs):
1 f! ~2 H+ r. U% T- Y# U* q  y_pred = (x*w+b)    # 预测
* u8 F" U% L! g  y_pred.reshape(-1)

% V1 j- [. @3 w& e  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
, v* Z2 u! {( R' H& V  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
, U; n8 e/ i1 M* j  b.grad.zero_()
0 \7 r& S# [2 z9 J
print(w.item(),b.item()) #结果

  B7 ~( A; B( n1 i- xOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
) A2 C/ f* q, m! U. S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？
, G, Z: K) A; x, o( e

老福

3 }. k+ ]) w* N$ c
& e, l6 Z  j) s0 t8 J5 `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？
/ r5 M$ n- [6 m: c-------
" e' L, y0 \; p) N3 t/ p: D5 b1 ~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。
-------
8 Q" Z+ ?: P1 s) o$ E' u3 N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？
% [1 t1 |2 `6 S, C-------
不好意思， ...

! \: I- d& \0 B9 [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
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 ...

5 U: E& [3 u9 o: z+ x4 O1 Z
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。

雷达

4 b1 o$ {$ F( `3 K& W. T

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。

或者把b但的起点改为1试试。 ...

  T3 ]" P: g, X! Q0 T) Z
# ]0 C! s$ x; v6 m你是对的。
; m3 @, ]% y8 g7 i$ ]去掉了随机部分
  q2 Z1 b% y- C, A) P#y = (x*27+15+random.randint(-2,3)).reshape(-1)
0 h. d: M" j2 V* b/ J0 A5 o* xy = (x*27+15).reshape(-1)
( O+ Z7 j/ U. B- u# c
; w) `; \, j% m. p, W% _/ _循环次数加成10倍，就看到 b 收敛了
w , b
# u3 s% d; `3 r27.002620697021484 14.826167106628418

7 [7 E! w# D* q. l9 w3 f2 g2 R- \9 M" X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。