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。
7 }8 r+ x, [& t9 c# |Pytorch 下面的代码做最简单的一元线性回归：
/ c4 E3 o' A& g+ I----------------------------------------------
5 u- a6 _) n% z+ W1 k- g$ d: fimport torch
import numpy as np
import matplotlib.pyplot as plt
- J! J$ F1 N6 L8 O8 I; K- Pimport random
  r( V( L0 v8 F
x = torch.tensor(np.arange(1,100,1))
! p! Y" x% j! g8 [* A/ K; e1 gy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

- i; B2 f* `9 @, M4 o/ M/ uw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
+ B2 B6 U8 a. k4 `b = torch.tensor(0.,requires_grad=True)

epochs = 100
4 Y5 r+ j* ^9 A. I, N. e
losses = []
for i in range(epochs):
1 a5 ?6 G7 E# t* g( @  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
' K" P  e1 p8 {; }7 ?+ T1 L' x0 {1 V  
# x# C# k& G/ q+ I& \  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
; L* b" ]: P/ S' J8 ^9 v  q    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
( |' X, a' D6 P- \! a
! Y5 z5 w2 F2 T, s/ Y7 Aprint(w.item(),b.item()) #结果

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。
高手们帮看看是神马原因？

老福

7 `3 D  f, r$ k. O7 s0 V
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 u, t( o% d% z# g; O7 B6 B-------
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。
) r) F- w, V) i- Q-------
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
; d- D9 }; X- P1 e" a0 s/ a' v! }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， ...

9 _) \  E% W7 T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

. A6 _& N& ?. |+ r8 R4 |

雷达 发表于 2023-2-14 21:52
& d. T9 j* K1 F7 \9 H谢谢，算法应该没问题，就是最简单的线性回归。
7 {8 a3 }+ n# \2 h, K% y: R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 ...

$ I  v1 C7 R/ h
$ F% o$ v$ o0 Z* x. m* A$ w6 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。
6 `( B0 q" Y2 W* g$ R2 C
: K- a+ L( @0 p7 C' r* S' X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
8 [+ m  w* G, _+ `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。 ...

; J7 ~! W% q$ ~7 Z$ ]
5 g& P) n5 c5 m& L, M9 A3 N! ^( z你是对的。
4 y- ^6 ]$ e$ Y# f6 |: ~% @去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
; ?6 U) d  h; L5 \y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
7 s) i* h$ r' W. F& e5 ^( @6 ?) ]# z27.002620697021484 14.826167106628418
. ~: J* u/ D7 t8 C. `1 e
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。