继续请教问题:关于 Pytorch 的 Autograd

雷达

3 g( H0 v( p: [1 p6 ~- `
为预防老年痴呆，时不时学点新东东玩一玩。
5 l6 o; e6 A  o+ D. iPytorch 下面的代码做最简单的一元线性回归：
; ?+ S, Z& {2 S# E& o: A) f9 |----------------------------------------------
+ L9 k& ]5 l& I3 Ximport torch
: Y" m, V. g7 P7 e) H% T4 Yimport numpy as np
import matplotlib.pyplot as plt
0 }1 F$ a# ]4 q3 X6 U, Iimport random

x = torch.tensor(np.arange(1,100,1))
& {+ O/ P# H, s* ?# m) ~0 S5 G7 Uy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

* n  T( q3 l+ Q/ k. @, d' Mw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
% F; G2 N8 S+ C8 n; F6 n7 F! P
& }! B, `5 P" S( k6 depochs = 100
- u* p+ A" G1 ~
0 s. N9 F. h9 Y9 v+ a. alosses = []
4 V' Q% X6 A9 A( @for i in range(epochs):
, u% Q, F+ S8 N; O  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

$ V5 Q. D! v) B# r  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
( ~# V  }2 U3 c! L) _+ a  
  loss.backward() # autograd
' e* o3 V- G4 t3 g  with torch.no_grad():
3 h3 X% T& m: {( E- j; `$ l' X1 l    w  -= w.grad*0.0001   # 回归 w
. H; O$ ^+ E& g- {% `; ^7 z) q5 l, F1 P    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
' t5 e$ |7 \- w9 Y; _" o, N! v! O2 K
( P9 a0 K0 U! Sprint(w.item(),b.item()) #结果

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。
高手们帮看看是神马原因？
6 z- K, M8 X# `- n% z8 E; I% Q" ~

老福

" _- M  ?  j3 S2 n# _" ^* k
) l2 L& {: X  T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？
3 E1 ~6 E' j1 b* r3 l-------
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。
: i9 p; s# L" N  l7 s" n' ^8 P-------
! V, w4 _- r7 |5 S6 q& b+ J* F4 F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
" a6 _- t$ L" }7 W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？
; a0 d0 i6 b1 ^* x) P+ `-------
1 k5 w; b1 _, L7 M6 R0 c7 X不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
5 K  ]- v+ f: k6 P- }" i7 E+ B/ a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

' e8 O5 W9 m3 P( e5 ]

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 ...

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。
/ B( ]2 I! P: u# v* G& L' {
  R6 @. }. U9 }- q' |' 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。

  Z4 f' p0 G! r; T% E- A: H0 Z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)
y = (x*27+15).reshape(-1)

; q, \$ W+ V7 v循环次数加成10倍，就看到 b 收敛了
w , b
& G' G1 h3 l0 R, P( \+ }9 R27.002620697021484 14.826167106628418
" ~9 o  k4 K# n# i. Z6 m
' W* _) D8 g: ?+ ^# R3 Y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。