继续请教问题:关于 Pytorch 的 Autograd

雷达

8 G, M0 T( Q& m, {5 [1 d2 c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：
: C  k" X% K1 ~+ ~; l2 Z# |----------------------------------------------
6 ^; X+ G/ [% [7 Kimport torch
import numpy as np
import matplotlib.pyplot as plt
import random
6 D: J% c' h% t) V4 t$ V) M; v9 H8 t
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

) e9 d1 j# l6 h. q: L! @w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
& P& |2 C' c4 Z7 S) U: ]
. R& y7 N" k: a5 O* @5 aepochs = 100
+ N: {. r% w( Q) E" r; I
8 P+ T" U6 S& C9 {. Nlosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
$ M# S' s9 _7 g% ]! D' S1 {
; [* @/ L3 {" m# I  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
; r( m+ t0 u- R& I  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
4 Z: g" `' J8 K1 ~6 w8 X  b.grad.zero_()

print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
6 |5 e7 S$ d/ p8 u6 i. l) V. `& t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？
2 F1 n( c" Q) f

老福

' w& g. }4 q# W3 p/ i+ ^4 H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？
-------
4 D& \- B0 g( `3 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。
-------
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
+ }" }; P) \4 J8 @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？
-------
2 y7 L  z/ u( Z5 G1 u) l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
. \! b- O/ H7 Z  K3 Z# e) x0 o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 ...

- y6 G* w3 n/ L5 H
3 M7 e/ @2 W& a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。
9 ]; h% Q, Q: J; J. c# M
/ N, M- I: p1 Q0 ^9 A) ?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
1 M3 m( ^" Q: k# P# e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。

2 W4 I" ~; p( P( f0 X( E或者把b但的起点改为1试试。 ...

你是对的。
* A+ X5 E% W9 C$ [' \1 C去掉了随机部分
! D4 M4 N' a8 S/ B  z# a8 N#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

) A7 e0 |) K  {* x循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418

1 f, ~3 h" y. g. i1 G4 B/ V. W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。