继续请教问题:关于 Pytorch 的 Autograd

雷达

" ]4 C# W2 G2 p- ?  A) q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：
6 |3 m/ c) n  P* A) Q----------------------------------------------
. ~, _8 ?, ]' W6 F+ [  \4 E9 `import torch
+ |8 J' i, [2 ?* ~+ Y4 ^import numpy as np
import matplotlib.pyplot as plt
import random

5 Q! O( ]5 n) \x = torch.tensor(np.arange(1,100,1))
% q( |; z: Q. \8 G) M0 k  sy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
  y9 H3 n: c+ A" G; i1 E6 M
epochs = 100
' {7 x# k7 R- s* z5 B9 U
; j( G" ~  L7 z3 Q, {+ E( tlosses = []
3 S+ t  X, j7 Wfor i in range(epochs):
/ ^* a1 m, H8 r5 N6 H  y_pred = (x*w+b)    # 预测
1 T7 a6 w$ {- `2 Q/ I  y_pred.reshape(-1)
' Z; t/ g1 |+ {4 D
. ?8 ]& D+ a  Y; G: s$ J  loss = torch.square(y_pred - y).mean()   #计算 loss
: T. p( e. N/ a" o0 }) j1 v; I  losses.append(loss)
  
- X  }/ V3 V% u& D& c; j+ X) B  loss.backward() # autograd
  with torch.no_grad():
' a4 o" ]# e: ]( ]! ~" Q    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
; \& a, k. C( m. ]- p2 H# ?  w.grad.zero_()  
' m" f0 R' U. |$ @* K  b.grad.zero_()

print(w.item(),b.item()) #结果
6 q: |8 j- f- R- 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。
3 A, _  n, B+ O* v高手们帮看看是神马原因？

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？
1 `; o& |# d- F; K$ T-------
9 k* t" B2 v+ w! m9 _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。
-------
" Z: b- U1 s# c+ @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？
-------
8 \6 b: B7 \2 b1 V  I6 U不好意思， ...

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

雷达 发表于 2023-2-14 21:52
6 r7 A7 p4 k. Q9 U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 ...

" C. `% |" M& g" V$ N
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

8 g" o1 Q% Q3 ~2 n) w

老福 发表于 2023-2-14 22:00
: Q0 o4 G! Q# i( P  R5 L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。 ...

, l. f4 t/ E& r7 X你是对的。
去掉了随机部分
& W. _' r+ t0 r  k4 \+ z#y = (x*27+15+random.randint(-2,3)).reshape(-1)
, a% x/ N0 y% S! ^y = (x*27+15).reshape(-1)
& H- {: n0 C5 r) e9 ]' T4 i+ Z
循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418

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。