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。
5 s' a2 k7 `8 RPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
& K$ d( A+ @% W/ ]import torch
1 R$ D- n% @, j( Mimport numpy as np
import matplotlib.pyplot as plt
import random
& z" n2 p0 V) c3 @; x! v
x = torch.tensor(np.arange(1,100,1))
/ R& s$ J. P$ Jy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
6 l1 M- g0 H' _) B
4 T9 B( f, ^, m! S+ Q  }3 y$ ww = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
" s& L+ S2 X$ o; Z! t' vb = torch.tensor(0.,requires_grad=True)

% s% c+ i7 h% L9 v, N+ {+ C$ [  pepochs = 100
8 u3 W6 y' I- a6 ?& Z) `! i  _
* ^+ G3 n; I  n& blosses = []
  ]* V# j, G, T; _* g( R8 Jfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
; @0 `8 S$ a# Y5 s  y_pred.reshape(-1)
/ [2 k, m# I6 z
! e- I! K, s/ j* r( S; S  loss = torch.square(y_pred - y).mean()   #计算 loss
7 B3 J6 a0 u+ p$ t$ r  losses.append(loss)
  
  loss.backward() # autograd
5 ]% }% R8 t& s: d1 d# j  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
* n; ~. F& p0 Q3 ?4 v8 K  w.grad.zero_()  
! p0 m4 C" V# ]" \/ O  b.grad.zero_()

print(w.item(),b.item()) #结果

1 ]. l7 b6 r  A, j+ f. {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。
! D- j7 L+ v' _+ ]9 ]高手们帮看看是神马原因？
4 L) R5 y3 y7 N8 Z

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？
  \; m2 b& X1 h8 z& t4 o7 s-------
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。
/ K$ f7 P6 S9 d6 R-------
- \. z5 X* y) O. A7 w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
- \4 _; k6 W7 K  d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？
6 o  Q, W  J! \3 }0 v* E( e-------
不好意思， ...

5 a. ~* T* t' }8 B谢谢，算法应该没问题，就是最简单的线性回归。
, a  D- J& r$ G* U+ S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
5 w4 [/ y3 {1 d" 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 ...

; K  \2 d. K2 D0 X1 ]5 E/ `* H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 A8 V) m- X' X* F! c
或者把b但的起点改为1试试。

雷达

6 T- s( e  i2 I! e4 o

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。 ...

% m" }+ A4 X' I$ j# _你是对的。
+ f$ W( e8 K5 |% V6 d0 W* B$ E0 V# K去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
  z" I: Z- D' T5 p% S. N
循环次数加成10倍，就看到 b 收敛了
w , b
# Y- S5 s; d5 Z6 B2 V$ ?* ~, g8 ?27.002620697021484 14.826167106628418
& A$ v# u3 x5 P- p- v: T
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。