继续请教问题:关于 Pytorch 的 Autograd

雷达

( W* s1 L8 F/ U) e( s+ C2 ]$ |+ \; M
为预防老年痴呆，时不时学点新东东玩一玩。
0 z/ Q% T/ E! s% APytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
% |1 ?/ R8 s2 p/ j$ u. uimport torch
; P# Z3 }' J2 s  g3 e5 bimport numpy as np
& L( G/ n# q( e. [% L( @9 O; E; simport matplotlib.pyplot as plt
, o+ T& w- A& F# b7 bimport random

x = torch.tensor(np.arange(1,100,1))
$ g8 p, u: n. J/ w6 v3 a& Py = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
% a4 X) S! b8 p+ d! }4 Y+ L+ k
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
7 t# K$ G5 g# q4 P7 Z5 I: F" ]$ ub = torch.tensor(0.,requires_grad=True)

$ x# `3 b8 L: J4 uepochs = 100
7 [' B/ ~! K& f9 F) S0 T
losses = []
for i in range(epochs):
3 K4 ?' o# A1 E7 T/ y: B: A  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
4 C; R! x9 Y) W  losses.append(loss)
  
% O( S9 j$ F: p- p  loss.backward() # autograd
7 U/ i+ B# t- ~9 p9 o7 B  with torch.no_grad():
" t- T! J4 R1 y: g  @* y2 y/ b    w  -= w.grad*0.0001   # 回归 w
" [5 ]9 d, q) I  u    b  -= b.grad*0.0001    # 回归 b
) j; {3 E) P% A' R+ {  w.grad.zero_()  
  b.grad.zero_()

- e( H7 y0 J3 {0 T2 uprint(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
: L- d' t2 P  {----------------------------------------------
3 _# n  }$ A) y  ]* \9 k+ N( P; d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？
# B& F' q% V* s: e-------
" T# }0 ~& m3 j+ E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
( @7 h: T8 \, |# a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 r& H# ^& k- b) ?3 Z-------
4 a8 m; i$ M" |2 }2 r$ M不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
; L. R) G7 `( M9 ?9 I. J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
* t  Z- [2 f8 Q0 N& p9 R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 ...

8 f: R# p# r" ]! k( C5 G" v
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。

雷达

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。 ...

. U: p. U/ y2 s& s0 e
你是对的。
去掉了随机部分
# H. m0 H" B1 K5 I# B/ k: m#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

& r1 t* J; X4 J4 X循环次数加成10倍，就看到 b 收敛了
- }) `( r6 `; H1 h1 A+ Vw , b
8 I% A3 S2 A) _5 F7 I( |& K" s27.002620697021484 14.826167106628418
2 ?& n& o, V- I! Q2 D3 W
+ L. ?- F, G, N0 D" S* m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。