继续请教问题:关于 Pytorch 的 Autograd

雷达

2 z5 N! ~7 p6 z  n/ M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：
* R# w' ~9 p9 ?" z----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
1 h3 t: U! h- z- z  T/ Y) |import random
. `& L  }9 z- T( v3 N* y
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
. f' R6 Z* R, W: {  i3 ~5 z
: s6 @9 z. D2 i9 f  ]7 ww = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
4 Z5 M" k% c7 K7 {# C# O* `b = torch.tensor(0.,requires_grad=True)

, p! P0 U! N9 ?  }$ }epochs = 100

' V3 |# s1 j8 A' D; Ulosses = []
( a; t/ E: e) u6 E- X" efor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
9 S6 r# X2 }$ C4 q! N
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  q* v2 D1 v  \( s) [- P  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
# M4 v# o" y  m8 z8 C  w.grad.zero_()  
  b.grad.zero_()

8 `, w$ s  U" D( {( Yprint(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
) A8 L1 u$ F" s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。
6 |6 D2 S) F+ k" f2 ]  p高手们帮看看是神马原因？

老福

! c' K# N, f6 \* ], S" K
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？
-------
! Z) S# ?( B  [$ 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。
) i' K9 f3 L) s+ Q+ q1 y- @0 _# @-------
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？
* d7 f! V; `2 V! V" e4 g5 h% h-------
不好意思， ...

8 P9 |+ p+ t) k+ ?1 a+ O& T+ F/ i谢谢，算法应该没问题，就是最简单的线性回归。
4 d1 x' P. F+ p5 ^1 Y" o7 u3 ~9 l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

0 L8 v( M4 e5 b1 {9 z' s' _" j

雷达 发表于 2023-2-14 21:52
/ a: Y3 k8 H) o+ C4 S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 ...

( Q1 o  j; a2 \- C
% a7 [: o# |9 \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 E3 R0 v/ h, @8 b, w4 {* s
1 a* E$ y7 Z' j' m) g5 E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
. m$ U3 L4 x7 J7 q" G$ ?) c5 f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。
3 S& \% x; V* {$ h: e" f* {# c
或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
$ H2 J0 ~3 i2 l: O( V3 D8 p#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
5 r: }. Y; N1 x  n
1 F9 e& f+ W2 S4 j循环次数加成10倍，就看到 b 收敛了
w , b
0 y3 _4 K$ u  ?: S( |# W( @  f27.002620697021484 14.826167106628418
  L3 G8 h' k2 H: [4 F8 c  p1 z; K# x% U
+ V- ~8 e; [* [6 r  N! I! c5 @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。