继续请教问题:关于 Pytorch 的 Autograd

雷达

# W+ H( f7 Q$ Z$ a, O2 q4 u+ f. C
) i4 ]4 \* N; k" R8 e! a" m为预防老年痴呆，时不时学点新东东玩一玩。
* ]( d* h* S8 Z1 tPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
import numpy as np
  ]: U# X7 K0 ~& x8 Kimport matplotlib.pyplot as plt
import random

7 i/ K1 K8 K4 |+ J! c- mx = 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

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100

) u# }, E: g# x  x* H) Klosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
! D' ~' @' y1 t- L* _9 s9 d2 l
  loss = torch.square(y_pred - y).mean()   #计算 loss
4 ^5 z6 S2 O& K2 o, l8 U! k  losses.append(loss)
. P( O$ {  H( h( ^3 u& _" Q+ `% i. C  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
8 U  N8 C5 A' g% U% h6 U    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
7 W) r7 j% R9 q% n
print(w.item(),b.item()) #结果
; u  [4 g2 Z# u
7 z/ Y7 Z" u! ?- k5 W3 c1 Y+ M- |Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
& j4 X6 ~  a# {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

$ |, p; A- D2 x& a% @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。
! E/ ~+ i4 @% \* X1 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？
-------
: y+ ?4 X2 [5 p: E6 R不好意思， ...

2 v: Y$ U3 d9 Z7 x$ l  ]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

( x( ]" k/ _6 ]5 T& b

雷达 发表于 2023-2-14 21:52
+ u5 I; f' R& l6 `6 [  y; S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 ...

: l# j6 H! t! d- z( d: c
/ ~6 n% m2 l# v; k9 C( E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。
$ h& b- K5 f5 [" R) Y+ Q" q
或者把b但的起点改为1试试。

雷达

" H9 y3 e- m* I

老福 发表于 2023-2-14 22:00
% m2 p1 [5 s, h. }3 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。
9 Y# S: x( m$ L" T  i) k& f
或者把b但的起点改为1试试。 ...

( R; k( v6 e: c1 H: I; w/ ?8 a
: U+ G8 H; {+ f$ N3 ~7 L你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
, i. o) ?, P5 D) |2 Jy = (x*27+15).reshape(-1)
/ {0 q6 a$ `- h! W
; c; r; c# @3 b  w循环次数加成10倍，就看到 b 收敛了
/ Q: C% @; `2 f' V, bw , b
' y& ~% W; x$ K# w: ^27.002620697021484 14.826167106628418

+ Y7 [6 N+ D( j" k$ E' o( f, B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。