继续请教问题:关于 Pytorch 的 Autograd

雷达

. {. J' V" ~+ k/ q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 [- U) N4 O2 F2 B----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
import random
) n/ f1 [% T, I$ l2 f+ z3 {  q
x = 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

7 G' V8 |1 ?$ I) w! Y/ Q, Xw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
* J) l7 i. B% e) I
epochs = 100

losses = []
4 ^5 o  j+ s( O6 E6 R- h" j& Cfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
# J! K+ Z% U, h& h1 F  y_pred.reshape(-1)

, f4 m3 l, K/ `& k- D' f8 Q/ ?  loss = torch.square(y_pred - y).mean()   #计算 loss
, y! D2 `# K' F  losses.append(loss)
4 M8 O0 N1 @4 W- j3 C& o) u- w  
; @: r5 R- }) ?3 e$ r3 V& U" O  loss.backward() # autograd
0 c; B& s9 w7 r" R# b9 E  with torch.no_grad():
8 n: \' {! }$ w; [    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果
- X/ H$ c1 A# z# f- }
Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
) U+ s2 t1 K4 z7 f0 ^' O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。
1 q. b$ r# Q8 C! ]* O+ O7 e, t% G高手们帮看看是神马原因？
( C$ D5 A+ H4 ^1 @

老福

; P% x& |& |% V+ i$ |
4 ^) o5 r, y( n4 ]/ p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？
-------
: K5 ]1 t0 J4 r* z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。
. G# T1 C8 a7 J- l# n9 d5 ]-------
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
- g# Z: R3 V, J6 A. k) 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？
-------
不好意思， ...

) E) M- K2 X8 [# T谢谢，算法应该没问题，就是最简单的线性回归。
8 z" l8 B4 @8 r+ F7 w$ ]7 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

9 Z0 b4 J5 J! P

雷达 发表于 2023-2-14 21:52
4 `+ O6 @* d" f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 ...

9 O% k( J3 s# D, R
  u  v$ {+ T6 Q1 I8 [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。

0 Q! C' l0 |9 D' |5 Q或者把b但的起点改为1试试。

雷达

; ?5 i+ f' Z# V  R

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。
  `8 P0 U( S. {8 M  {% x% b
. }& u& ]7 B2 G, |3 t3 R或者把b但的起点改为1试试。 ...

" A' [1 q) R. Y! N8 H
* u( N; ?) K3 A2 p1 o7 {3 \你是对的。
. t; H/ l, q0 c* q1 g+ F去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
/ j$ U) X( S4 O+ {/ H- h5 V$ c
循环次数加成10倍，就看到 b 收敛了
4 c, p* c2 s7 v% K" ]6 C" bw , b
3 H4 q2 M+ _2 q8 e1 F$ h3 R( n# R27.002620697021484 14.826167106628418

6 t# b7 M8 t- ?) g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。