继续请教问题:关于 Pytorch 的 Autograd

雷达

( }. |. s0 q9 r为预防老年痴呆，时不时学点新东东玩一玩。
: s5 }$ }+ g- u3 ~6 @! A4 E, w) k2 ^Pytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
  ]0 S1 Y- U# k, u7 v6 D) c2 yimport torch
import numpy as np
import matplotlib.pyplot as plt
0 p5 r7 U- _  q; K+ a( `import random

x = torch.tensor(np.arange(1,100,1))
y = (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
  U6 u( u( }- V& }b = torch.tensor(0.,requires_grad=True)

epochs = 100

losses = []
for i in range(epochs):
! `6 r- c: E5 J* S% r  y_pred = (x*w+b)    # 预测
, n# e9 w9 v. A* t* i0 W! `1 ~  y_pred.reshape(-1)
: d% M% y0 f" x2 e9 ^% Z) ^
  R" D" O' ~. G  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
! w: P. S% S% C' k& z  loss.backward() # autograd
  with torch.no_grad():
7 j) s8 Z) W' z8 r5 i: }6 P    w  -= w.grad*0.0001   # 回归 w
1 D, b: I* p# O9 c    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
: E0 G! d; o! k0 H! ^* O/ V4 s  b.grad.zero_()
; J+ g) ?  P& @' s% W$ o5 l
( r, z' e$ V/ a8 y; m0 `+ E2 r7 yprint(w.item(),b.item()) #结果
( z* q1 z; P) j. s
: x# w" k3 H( X( Y  r! VOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
1 R# F' x8 H6 L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？
, W! \2 n1 H  e

老福

' F  M" F2 M1 X3 y$ ?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，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。
; a2 g, q' _; C  O! @-------
; R% J1 U' _" ^* y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？
-------
9 r4 G4 s* S. r0 E不好意思， ...

3 ~4 o3 I  Z: p# t" ~- K( s谢谢，算法应该没问题，就是最简单的线性回归。
) @, `2 ^" a$ G3 l$ B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

" I% a% d# F: d+ B9 H

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。
* {. y' E7 z/ }  Q, x/ 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 ...

- f. r1 P8 U$ G: 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 q) b; R# ]2 V& P, Q' x: ?3 z9 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。

5 \. N1 Z0 }: |& X5 c& B  Y$ l或者把b但的起点改为1试试。 ...

/ v+ _1 }" ^9 L& J8 u$ X& H" p: c8 E& ?
你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
- s( W$ m- b" D7 p4 @7 ?y = (x*27+15).reshape(-1)
) U3 @. v& N9 s9 L% c6 X
循环次数加成10倍，就看到 b 收敛了
7 T+ b, s4 X0 [- Ww , b
27.002620697021484 14.826167106628418

2 Y: Z0 |2 x+ P' O7 ~6 N' n2 F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。