继续请教问题:关于 Pytorch 的 Autograd

雷达

+ @' h- y/ \, \
1 E. y# c) s! `2 Q7 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：
----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
: U( C& P+ r- `3 Z  b& _# uimport random

* H9 j! y& E4 C. G  B$ S8 |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
  z* r- w! f. J
" ]2 o* w2 p: _4 y! `/ Xw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
3 I. @/ K& T3 u& j
epochs = 100

losses = []
" t( a1 `) K& @- |for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
: Z3 G8 F! O6 _" H9 [% P4 E  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
# W( t' u/ X- }8 I& g- ?    b  -= b.grad*0.0001    # 回归 b
) J9 Y2 v; l# q+ V: T. [  w.grad.zero_()  
% J( C: _3 O$ H3 h8 ?0 c9 J  b.grad.zero_()
) [. @/ {, E4 g
, [' |2 N. E3 Hprint(w.item(),b.item()) #结果
/ m& y) z! t+ x" \
9 B$ }5 G3 g. }! C# o" vOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
( p. ]4 M, G& c# w* d/ T4 p# w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。
$ k: B5 |8 e: z9 S1 _- x-------
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
$ r% L9 i$ n" L( E4 B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？
6 F' v6 Q+ {3 Q' [) ~, k7 _-------
0 G7 i8 u# p9 l. Y; g/ v不好意思， ...

4 D5 }" v$ z& x; y/ K% p( J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

9 T$ T( i8 k( _6 a

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。
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 ...

+ z; t# w- g4 n: k
- ], w$ E5 Z9 f: w0 `/ B% U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。
* w9 L! z0 R1 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
  H, |# |  t& A! U* j" X" C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。

) d4 L" H; k+ 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
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
0 A. v0 p/ K6 k# s! K3 q" Sy = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
" e% ^! N  {; i) L6 |) mw , b
: w/ Y/ J0 L+ ?' \" E27.002620697021484 14.826167106628418

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。