继续请教问题:关于 Pytorch 的 Autograd

雷达

, B0 z4 k9 Y) Z) t# ^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：
----------------------------------------------
: T8 R7 b4 m5 U4 S1 wimport torch
& J: K7 p. |9 ~import numpy as np
4 Y& E/ m1 t' F$ }1 {( pimport matplotlib.pyplot as plt
4 N- \- k, A1 L2 D, a% p3 Jimport random

4 Y) Y+ F' `1 R" I# ?( Ex = torch.tensor(np.arange(1,100,1))
( }+ G# ?- w1 \) _y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

: Q6 H3 X% T) I) e$ o' U3 gw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
. q) n% v" ?: a0 n  V- u( d
6 L- k! K( H/ ?. x8 Aepochs = 100

losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
' C! T) I) c$ x2 `" o8 A  y_pred.reshape(-1)
1 r0 b! |# g- m3 L1 U  x7 {+ H3 m
* s' K2 n$ K) h! C  loss = torch.square(y_pred - y).mean()   #计算 loss
1 \* K& q5 C5 ~/ T1 F  losses.append(loss)
  
  loss.backward() # autograd
* ]0 n0 g. \1 u' \6 ]  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
: D2 N$ B- A- i" k
print(w.item(),b.item()) #结果
4 @! y9 S, \0 p- B8 ^6 R
Output： 27.26387596130371  0.4974517822265625
& g! k" F* R+ w! @. K----------------------------------------------
- A1 q5 M: l1 v& i& F( ]3 h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？
7 C1 z& A' I3 y5 u

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？
& A1 [$ J5 X) J* I- x-------
5 Y: h' Q# g- o. y6 Z5 w3 i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
: R8 O/ j! i+ v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？
" n* ~" k7 g: h  E# s' n-------
3 n+ L" c  f' P- U7 _  p$ y+ T$ `不好意思， ...

! ^5 z. B6 A: [3 ~5 n谢谢，算法应该没问题，就是最简单的线性回归。
* k% n: P. `/ |# `; Z  D- u2 {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。
4 g- N% i. n) k! Q" H$ D8 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。
! i4 k) ?" X& v7 s- v- Y
; t; t3 `7 o  ]& L; g或者把b但的起点改为1试试。

雷达

2 i: S; s- p2 V+ W1 s0 F* o' N

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。 ...

" n' m, y1 M7 k9 J% p
) A7 b, J7 ~4 s你是对的。
去掉了随机部分
) h" V6 G% B: F" Q#y = (x*27+15+random.randint(-2,3)).reshape(-1)
; k* X- _; T0 }* V& e3 Q( xy = (x*27+15).reshape(-1)

+ S* H( Y! j" z& P循环次数加成10倍，就看到 b 收敛了
w , b
* C7 R! m1 ~4 w& ]1 X27.002620697021484 14.826167106628418

$ X8 O7 W' k% d9 |5 c1 [) y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。