继续请教问题:关于 Pytorch 的 Autograd

雷达

! W: H* L0 n) `. J, `" c4 k为预防老年痴呆，时不时学点新东东玩一玩。
0 b0 M9 Q; c: P. A, ePytorch 下面的代码做最简单的一元线性回归：
& f+ j% q: N- ^2 _----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
2 U. ]; n, }- V9 P& Pimport 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

/ ^+ M) E. x6 T* |w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
. j- H  `! I8 @) C8 Z% u) S) o, ?b = torch.tensor(0.,requires_grad=True)
0 I0 Z$ N4 f9 X5 t# {
- _. Z# D0 X9 q& T. mepochs = 100
* ]& I0 y% J* {5 I% f
losses = []
' F+ _6 v' D( s2 m+ z* Q7 M  B4 tfor i in range(epochs):
; S/ N2 [$ u% [& G  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
6 D8 _, v: N- v2 f
  loss = torch.square(y_pred - y).mean()   #计算 loss
: P9 Q3 [+ m; [" d! p3 d  losses.append(loss)
' U% \; V& r7 D& h+ w  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
, t6 L+ b9 B/ [; D8 ^0 a    b  -= b.grad*0.0001    # 回归 b
( \1 B9 R; J, ^, Q5 u  w.grad.zero_()  
  b.grad.zero_()

% H# z# E9 o! }" Z# Z, xprint(w.item(),b.item()) #结果
4 n! G, w3 f# Y0 V/ C9 x% k' y
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。
% z7 k/ X) f) [% Y4 Z) d高手们帮看看是神马原因？
( I1 x6 ~: i% w3 b( n! J

老福

0 _  _+ }4 `" O5 R  ~7 m
. t5 [; P6 u" j" R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。
! D$ E+ n. b: A. r. c-------
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？
-------
: |# r. x5 M! K, s3 S不好意思， ...

1 F" E" R/ q! n( Y7 d谢谢，算法应该没问题，就是最简单的线性回归。
" n, r& F; |8 z, }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。
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 ...

) U2 T1 k3 o) z. M. B
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。
7 P, \, F" R. z# Y: j
% z3 z9 r( t. E( n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
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。
* U+ p4 z7 ]" [2 X$ P
或者把b但的起点改为1试试。 ...

# p- P8 _3 p" y0 M4 y6 Z你是对的。
去掉了随机部分
* c0 ~7 z/ D9 B1 l3 d- m$ `#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 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。