继续请教问题:关于 Pytorch 的 Autograd

雷达

) V( B2 I4 C' Y为预防老年痴呆，时不时学点新东东玩一玩。
3 x7 [% ^' r# p6 h( V0 xPytorch 下面的代码做最简单的一元线性回归：
  q' X; _/ {& s----------------------------------------------
import torch
+ B2 K/ w5 J/ V, cimport numpy as np
import matplotlib.pyplot as plt
  w* i" W8 Q4 J. |import random
, R: S( n, j0 j6 g' d" X
x = torch.tensor(np.arange(1,100,1))
' n' O; ~: ?) e7 x, Ky = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
7 D8 i- ^+ T- T0 q. i' k6 h4 A
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100

$ b0 ^. D* O" ]3 |6 L& closses = []
% b9 w3 k/ l# |) Afor i in range(epochs):
  y_pred = (x*w+b)    # 预测
& A9 f5 b2 ?$ I: o, S) }0 ]$ f  y_pred.reshape(-1)
, |% y6 c* O; g3 h, O8 A% s
  }  A, \+ [" E  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
. ^  Z' u. k# g# l* C3 }, \  w.grad.zero_()  
  b.grad.zero_()
" @4 X; F5 F& R
print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
* ?( c) E2 O6 |----------------------------------------------
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？
# x$ E* n. C( A# p% _! Y

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？
% `" Q. ]: u% ~9 }-------
! a( f1 x, q: 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。
-------
, L7 z) H8 S/ |( x8 F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
: C. {* r1 `: j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？
# C+ i% P; q$ e9 w2 {7 h-------
不好意思， ...

& O  T" j! v2 e) \- w# D$ Q谢谢，算法应该没问题，就是最简单的线性回归。
& Y9 t' d; M% ~) E3 @* U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

/ ^' @! g: O# o% W

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。
; m9 @3 ^* i2 n4 t7 \& ?. @: F9 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 ...

) u; k7 `' g. v5 m" {
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

2 A' M; o& E* I3 L' a9 F1 f2 w! L3 P

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。 ...

7 R1 q: Q: x0 J  B& O
+ s: w+ i1 w# ]. f6 U  W你是对的。
去掉了随机部分
$ Z2 b4 P& Y$ {3 s# K#y = (x*27+15+random.randint(-2,3)).reshape(-1)
( f; \# S8 A7 U8 k; |4 zy = (x*27+15).reshape(-1)
' a6 C% a: Y4 _3 X! _* x
循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
( C4 ^* n) }2 J* V( ~6 a) Z; ^
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。