继续请教问题:关于 Pytorch 的 Autograd

雷达

' y* Q0 J& S7 M! p为预防老年痴呆，时不时学点新东东玩一玩。
' O- T( K8 k- s0 d1 e+ @Pytorch 下面的代码做最简单的一元线性回归：
3 o1 f4 K1 b5 w7 @: }0 z- x----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
: j+ ^2 U& O* rimport random

& R4 I! p' _5 `7 Q2 j, Xx = 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)
5 G7 Q+ W' J" n- g
epochs = 100

losses = []
for i in range(epochs):
: Q' X% W% z( ~! |( ?8 `2 e6 G  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
) ~- {) o/ X6 m+ B- z
, |% V( r' ~1 U; E" {2 a) z+ l  loss = torch.square(y_pred - y).mean()   #计算 loss
' I( P' F# o9 {+ R; {  losses.append(loss)
  
  loss.backward() # autograd
# ~1 L7 f* v/ S) r' f  with torch.no_grad():
- ^: E( F) l- W6 b% f8 l/ J! R/ D    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
" |- @( h0 ?2 A3 I  w.grad.zero_()  
0 u9 v. _( s0 Q: B$ R, V: @& }: E$ _  b.grad.zero_()

print(w.item(),b.item()) #结果

9 u  Q- Z6 @) F* X0 D5 t6 J) E: sOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
% U* E: P9 @; _" \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。
2 C( L2 D, C$ f* F3 [高手们帮看看是神马原因？

老福

+ C9 R4 D4 z# t
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？
2 v7 K4 E5 u0 j-------
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。
' D0 K6 N  K6 A( n8 R% v* V-------
; I: q6 H4 J( u& w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
; x) J$ N5 l/ C! Z4 _' r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， ...

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

0 M9 g  P! B$ x; [/ q( B% F

雷达 发表于 2023-2-14 21:52
1 _9 [, b8 }! i3 V; T0 {# E- L6 e2 g谢谢，算法应该没问题，就是最简单的线性回归。
% e* w. @0 f* V: |0 n$ F* g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 ...

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# }+ m! N" a6 E+ i/ M% Q
或者把b但的起点改为1试试。

雷达

" M& t- R+ q+ I# i

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。

: x& k2 O& ~- a* e8 |8 t+ S- m或者把b但的起点改为1试试。 ...

2 j4 e! r, o7 i; K* _7 w
+ G- E: Z& |5 G6 y0 ?/ F% H你是对的。
9 S5 C8 T8 L1 |去掉了随机部分
" W1 z7 J1 F4 ]+ B, N6 b#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

; K$ |4 P4 \+ S9 |2 L0 c循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
3 J6 L+ q2 R2 R2 U  p
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。