继续请教问题:关于 Pytorch 的 Autograd

雷达

  v$ O2 t  P% K0 t+ }: [
8 _- h2 I" V# r3 s9 k  r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：
* m( h& J+ z5 x5 O+ L' S. N$ l1 g' H----------------------------------------------
/ k( y. H. o: L9 d& h3 J" [import torch
import numpy as np
import matplotlib.pyplot as plt
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
  c' N! I( ?+ q8 W( a
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
0 z$ p& O# c2 p8 K5 C: db = torch.tensor(0.,requires_grad=True)

/ G' ?1 C. x" p/ gepochs = 100
& ~5 l3 D' y$ N7 A9 e" @
9 @+ w- c  g+ [losses = []
% L6 G2 G0 `& ]/ H8 p5 Y4 R8 l" O' Yfor i in range(epochs):
( ?/ N; F- k" o7 F  y_pred = (x*w+b)    # 预测
" p- @  b" X0 B7 X* {  y_pred.reshape(-1)
7 ?4 L5 Z4 W% n$ c3 j' W$ w
+ d1 R3 z; r3 W, s  K' K5 Z  loss = torch.square(y_pred - y).mean()   #计算 loss
/ S, G1 S/ U, h9 R  @) r& ]  losses.append(loss)
9 S+ G5 `0 J6 P; `  
  loss.backward() # autograd
" _! Q" m& R' t( }" f8 D) ~  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
9 l1 Y+ H* p; ?7 G  l' j3 F/ p0 L  w.grad.zero_()  
; `" F' f0 `5 o  b.grad.zero_()

print(w.item(),b.item()) #结果

& l# H  x# t1 ^6 fOutput： 27.26387596130371  0.4974517822265625
# E3 f" @& M- k- q3 W6 v  c----------------------------------------------
& l) J4 D$ X- {7 h0 }& 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？

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？
-------
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。
-------
3 d/ G2 o; Z! W6 F7 |; R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？
& N3 d3 A. b. ]5 x-------
. l) d, L+ T4 G不好意思， ...

" P3 I. m- E9 G. p; N4 l6 N" R0 B' S' x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
; B; {+ n! O) j& w, D/ K/ D2 b: _谢谢，算法应该没问题，就是最简单的线性回归。
+ H  V! P# W  H$ U9 k% f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 ...

/ r6 x" `) b+ Q) a! K$ }
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。
% D+ N, y# w) q" H6 L
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
  n+ l- {8 S+ r, D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。
/ M. J6 n% Y& x1 z9 m% u4 m' e' P7 @
, u8 O  g( @6 m) j. J& V或者把b但的起点改为1试试。 ...

( t$ g" K) n( P- n! I
你是对的。
" b' ^9 Z' _2 j: t去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
0 M7 ~" e6 I& w7 R" E0 \/ ky = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
* E6 U3 ?& S/ x! f: ^  H27.002620697021484 14.826167106628418
3 {. a* R( ?0 p5 |1 G) N
1 T$ J" V+ f" v+ _! h, d( G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。