继续请教问题:关于 Pytorch 的 Autograd

雷达

为预防老年痴呆，时不时学点新东东玩一玩。
; t2 X" C5 J1 l( H; x) z2 d' E) IPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
/ e2 @, ]5 b9 t  K, G! jimport numpy as np
! [) p( \7 {5 ^import matplotlib.pyplot as plt
% ?+ q& B1 v9 P0 Eimport random

x = torch.tensor(np.arange(1,100,1))
, [: C/ g2 n/ a8 iy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
; G% i. x$ d" [4 F- b1 `: P1 d, o
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
' Y4 T6 e. i7 }5 s+ C/ l. F6 ob = torch.tensor(0.,requires_grad=True)

, O' a3 n6 S; {- l% aepochs = 100

losses = []
for i in range(epochs):
: P8 Z. G8 i, _/ z& j7 H) _2 U  y_pred = (x*w+b)    # 预测
5 M( ?, M* `6 |  y_pred.reshape(-1)
  d8 C& w4 I+ d
9 ]4 u4 L/ Z1 m1 w5 \4 f  loss = torch.square(y_pred - y).mean()   #计算 loss
; ~5 {( E$ ~' Y8 e/ X" p  losses.append(loss)
  
5 \3 }" H- t( {4 p& g9 _) p  loss.backward() # autograd
% Y* t6 \6 R- C/ n% j6 x$ a$ n- o* h  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
/ _5 I* q6 K8 _+ \6 j' k    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

. m, m2 _4 l4 }print(w.item(),b.item()) #结果

' M& c* j. A: `' o) D, zOutput： 27.26387596130371  0.4974517822265625
% I& Q) u$ x% D----------------------------------------------
' h3 S6 S3 h( X0 a- ^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

/ p5 m' D* Q4 R3 {! r" A  z
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？
. r3 r' w" z$ F) {1 A-------
" N$ ~& F5 O, O- ?( D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。
1 s4 E2 |9 Y) n& K1 ^: ^2 Z-------
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， ...

3 D/ Q, M* Y. x; |/ i谢谢，算法应该没问题，就是最简单的线性回归。
: h4 K! M: Z/ b4 Z+ k2 D8 F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
9 n3 w# G# P$ Z; h. c谢谢，算法应该没问题，就是最简单的线性回归。
- y+ h# e2 l* j5 X  F  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 ...

! B6 I. p6 [  R: u! |& [
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。

5 Y1 f1 V/ H- n$ |% s1 B: n9 Y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
+ M* |0 d8 @' z( z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。
! W1 J: F% r! m& o5 K
或者把b但的起点改为1试试。 ...

6 S8 L% O6 R4 M3 Y你是对的。
# c$ I. K+ S, V2 W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
. {! `1 `( k. f" f' T7 |/ }27.002620697021484 14.826167106628418

2 [- p% a( S! k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。