继续请教问题:关于 Pytorch 的 Autograd

雷达

# f5 G1 R1 U6 H, y) M% M
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：
0 b" f- C1 L, j# u" S+ f7 o  K2 r* d----------------------------------------------
; @" i5 o8 P3 ]! ]import torch
import numpy as np
import matplotlib.pyplot as plt
import random
1 }( F; F7 p' ~# n/ R" q
; Q& N. V$ H- V  {4 U6 i4 ^x = torch.tensor(np.arange(1,100,1))
- \4 O) U1 `, l. _; g6 a( Oy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
& j' v- ~& i- H$ a) b6 f2 X; M: l
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
+ k) l7 ^  L9 L) Y. `3 q. Z" x5 m! ub = torch.tensor(0.,requires_grad=True)
1 `- n: y' u* ^& X  C1 Z
9 n+ h4 x* ~) |" _  H; E. D  `epochs = 100
% O; }' b4 _9 I- n0 C+ g/ G+ M- l
losses = []
9 l1 H# u$ d! c- X1 X  \8 lfor i in range(epochs):
+ I$ F2 r, b, r0 c  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
( ]- h5 k' i9 H* ]: _4 }8 ?- H
2 L0 S; n9 K6 Z/ C: ]. ]  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
/ {: t5 u$ `3 |6 g  
# q# T4 v2 ^! j5 s! b  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
# x; k9 f  M( z* J) K2 l  w.grad.zero_()  
  b.grad.zero_()
/ O; F9 X' |9 _1 N
print(w.item(),b.item()) #结果

/ b% Z5 S: y5 |) jOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
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。
9 w# a% q( \7 _& t, ]4 @高手们帮看看是神马原因？

老福

; g) q. g2 f  U# z+ Z8 h
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，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。
-------
9 p6 s+ i/ s! C. q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， ...

4 @. W: ]7 l% T' J, h谢谢，算法应该没问题，就是最简单的线性回归。
, e% y6 [, C8 Y3 ^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

$ ~; E& g6 |; x6 f2 z$ i: H

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 ...

$ G. M  Z" O* z3 w7 H# p4 M
2 X! M3 ?1 {7 T1 |( R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。
. l7 K  F/ O4 Z3 V3 G
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。 ...

你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418

: K. A4 ?7 v- G, R; J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。