继续请教问题:关于 Pytorch 的 Autograd

雷达

为预防老年痴呆，时不时学点新东东玩一玩。
) U4 ]7 `6 m6 xPytorch 下面的代码做最简单的一元线性回归：
& u' e1 R2 \  s. c/ J3 m----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
import random

! k/ G8 P% ~  G+ ^, V8 k  rx = 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

2 v. _. I$ y9 c6 yw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
2 ^% u, g4 T, D4 i4 |
: r9 d5 n6 c9 M  a  Uepochs = 100

losses = []
for i in range(epochs):
* [% \, ~7 t# [- ]: s. {  e  y_pred = (x*w+b)    # 预测
8 N) A+ o% U4 W! `) z1 V( }  y_pred.reshape(-1)
/ y  B0 E6 y& q" l* O- R$ ~7 E0 i
3 d1 Q- ]( q! R& V  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
% \+ F$ z; p" s6 A: h% `& v  loss.backward() # autograd
$ k! N' @' p/ G! U6 ?  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
2 o+ B5 j  \0 ~- m  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
6 e, A; i( x& d( s----------------------------------------------
" l! L% e# F: r) Z2 @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

+ s  F" A0 V6 O' _% |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？
4 g2 J" T% J2 f2 J9 @1 `-------
; b3 I3 j: s; z) e- Z' M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？
" M+ ~6 H$ O5 {5 a7 `-------
" H( V, c- n5 t. w' z$ `不好意思， ...

' R$ c+ h: {) c- a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

  J" U; }- u( G

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。
. R" k0 {9 b/ t' N) `: z& F& P7 A: W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。
! Q* {% u- x, r  T
或者把b但的起点改为1试试。

雷达

3 u' |, J. ^/ k0 s( s, L( P

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。
$ h( i0 A  d, }9 M, s/ \' Z
2 ^" X3 E& @6 W) }: m  K或者把b但的起点改为1试试。 ...

! w' V# z; ~/ c% s: P. i5 A+ l
你是对的。
  c$ e' x" V# x去掉了随机部分
8 U3 Z4 q0 b3 [8 ~/ x# ^1 M#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
& F. B# J9 p: D( j! @7 [' n8 _$ P
' @9 D0 C& b; i6 ]. Y循环次数加成10倍，就看到 b 收敛了
& S- Y6 E7 p+ I0 s) ~; Z, U1 iw , b
27.002620697021484 14.826167106628418
' o9 z* [: K3 i  W8 n) K- 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。