继续请教问题:关于 Pytorch 的 Autograd

雷达

' a, F  B. _6 q) c3 b. A+ [
! K* `( x6 _4 |4 b7 z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：
----------------------------------------------
1 `# U5 f7 U- m. c8 p. P3 Z) O' uimport torch
% C2 {# l! T$ g3 F1 |9 aimport numpy as np
9 D' w( f1 i' |( H# Limport matplotlib.pyplot as plt
import random
: Z, Z7 t! k! x6 C6 B% ~
+ s' \& }4 B3 q+ dx = 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
8 n/ ]# o6 [1 h% Z7 u% Eb = torch.tensor(0.,requires_grad=True)
" l; q' v6 m* v- q, L
% ?' V: n! i9 l2 q& mepochs = 100
8 J, V- ]. L* n& j! E0 s
' I) p) M' N, g) @  Klosses = []
" A  P/ r$ }) t: U* C8 f8 `for i in range(epochs):
  y_pred = (x*w+b)    # 预测
$ X8 Q  N' b- l, H9 ]  y_pred.reshape(-1)
( ]6 @, p- s( r7 u2 Z; Y
1 L3 Y( e& ?9 P: ~, m. q+ [' L  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  a8 G9 B# J- f- m  
4 u8 B4 p) m* e. I7 p- E  loss.backward() # autograd
  with torch.no_grad():
% x( g1 S. f9 }$ Z) U    w  -= w.grad*0.0001   # 回归 w
" G* H( ]+ ~: H+ ~5 V8 D7 Y2 M    b  -= b.grad*0.0001    # 回归 b
# T/ _# A7 C4 b/ y2 ~  w.grad.zero_()  
" r* r- A) w  r! U; o2 l' L. K. E  b.grad.zero_()
6 N( ^1 ?& N! `7 ?6 A3 H) z
5 k4 v3 M! y! c* g( ]print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
- [; a/ F% l" Q5 x; {----------------------------------------------
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

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？
-------
5 v5 B" e( X! q: K% W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？
-------
不好意思， ...

: l% G0 R  h* G; m2 I/ \* G+ R谢谢，算法应该没问题，就是最简单的线性回归。
- o( U0 ?9 ]% I- A2 B( g0 y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

# Q" n- _) N; r( n% l

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 ...

' A0 m+ M: r7 F- H
. v4 u' f6 }  {6 m% G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。
7 z9 R% t9 G1 ~
或者把b但的起点改为1试试。

雷达

% L0 Q6 z# b: `% e7 ~' l. t- A

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。 ...

* V1 L: j8 y2 o) \
你是对的。
去掉了随机部分
0 l( B% s* V* O: l, h% x( ?#y = (x*27+15+random.randint(-2,3)).reshape(-1)
7 p5 ~( \( }/ c/ S6 gy = (x*27+15).reshape(-1)

$ R9 z) {, q, z6 R+ g循环次数加成10倍，就看到 b 收敛了
1 F8 a* ]6 q! }4 dw , b
3 S  R3 i. k  O6 E27.002620697021484 14.826167106628418
  p# x- u0 ^. t* @  w5 O/ ~. W
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。