继续请教问题:关于 Pytorch 的 Autograd

雷达

% Z* b+ A; U8 b. J6 j3 |0 P  K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：
3 b( y& a; R! ^# v8 P----------------------------------------------
: I  S. A, ]% y. s* S7 C/ i) |import torch
0 ]3 G9 N$ w% S$ _; kimport numpy as np
# H8 w* B* t% A( himport 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
. R7 `# J' I4 F  D% ^
3 b) A6 B* i- r. fw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100

losses = []
+ J, n" q' J; n0 U2 {# j5 Ffor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
! K! |8 l9 @  W% {$ I2 c
4 I" U7 t( `* o( K+ Y  loss = torch.square(y_pred - y).mean()   #计算 loss
5 k6 I8 W9 C  x* A# i9 a- ~  losses.append(loss)
  
4 L% r: |6 e. v# q/ S  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

$ [1 M  G/ V0 E" hprint(w.item(),b.item()) #结果

2 g3 h8 o! N" A: c6 d( l. uOutput： 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 e/ e! |1 g: B' N3 v4 x# Z8 ~2 f! ~
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。
-------
5 g( v* @: o+ O4 L6 I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？
-------
不好意思， ...

2 s% K4 s' O: e2 D谢谢，算法应该没问题，就是最简单的线性回归。
7 e: p; U7 Y6 O: O4 Z  k$ \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
谢谢，算法应该没问题，就是最简单的线性回归。
. q  s) f" v: Q- W8 d. N1 ^, t2 Q' `0 r2 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 ...

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。
" f( |# O0 Q) B/ E9 u
! K/ H! A2 |+ V/ [" J或者把b但的起点改为1试试。

雷达

: o! h3 w+ r% e1 K0 }! d' B8 W5 w

老福 发表于 2023-2-14 22:00
0 u/ K7 n2 G/ l  u+ T" a1 v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。
' d0 G6 t9 K$ y
2 ~- G/ s. S8 I; q1 z或者把b但的起点改为1试试。 ...

2 h3 K7 U4 }0 D# G# }% y你是对的。
去掉了随机部分
, C: @5 {) y4 H. ^# C9 M: Q#y = (x*27+15+random.randint(-2,3)).reshape(-1)
2 |/ V) U5 r3 Dy = (x*27+15).reshape(-1)

) p; j' ?& N/ q% m3 o循环次数加成10倍，就看到 b 收敛了
w , b
4 R+ s( |* O+ c9 q* O# `- D* l" ~27.002620697021484 14.826167106628418
  ]3 I, R4 G+ N, ]$ B; W* M6 d+ k8 V
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。