继续请教问题:关于 Pytorch 的 Autograd

雷达

$ _1 b. _! N; |& Q为预防老年痴呆，时不时学点新东东玩一玩。
: W9 X* \! Y. |5 e1 o( S0 s. uPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
% |- n8 _3 Y) z! r+ c8 Q* Simport torch
0 Z9 ~* l1 t$ ?) c* cimport numpy as np
- n' p, ]* `, S+ P4 c; eimport matplotlib.pyplot as plt
import random

$ M1 X& w5 G5 e9 Gx = torch.tensor(np.arange(1,100,1))
; R! E3 e2 F7 z. n% N" j5 Z' I9 xy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

7 v8 W0 |6 E7 B1 y: ?& n6 iw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100

losses = []
for i in range(epochs):
. q8 t. {$ w3 u& j$ M5 D  y_pred = (x*w+b)    # 预测
& N% h- q8 Y: {& Q. `  k! n; \  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
: V' k" B, _0 A+ t! _7 R  losses.append(loss)
9 p; a3 B. B1 Y% X  
: h1 K' {: D6 t' W0 q  loss.backward() # autograd
  with torch.no_grad():
4 z$ w) R% r* H4 l! l    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
1 k; o' ^. }4 _, E  w.grad.zero_()  
  b.grad.zero_()
: J( j% c' `( w7 g5 @
print(w.item(),b.item()) #结果

Output： 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。
高手们帮看看是神马原因？

老福

7 l2 I# q# C3 r. I6 r" ^
: X: B" t" E5 _4 s: \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？
2 s5 d2 M* o7 ^( m- a-------
+ W& Z6 L. ~6 {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
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， ...

0 C0 R  M: ^- Z' h. {2 A$ L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一下。

老福

2 ]1 Y/ D" d" ^& w8 [6 F/ g: c

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 ...

$ A* v. p5 G* z$ P5 v. [& x) 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。

2 Q% W' c5 i; [; X2 w+ y; E0 C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
- L& s. X1 b/ 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。
4 @+ }5 s3 ^8 Z: U. `6 I% E
或者把b但的起点改为1试试。 ...

  G1 s9 C% S1 A, `$ u7 }; N
你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
6 o' o" g) ]% Ay = (x*27+15).reshape(-1)
3 {% G- I- g' I0 t- Q8 @. s, \
循环次数加成10倍，就看到 b 收敛了
& z+ y. L1 P; e; i2 Ww , b
27.002620697021484 14.826167106628418
( \, W/ X7 s1 c) C
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。