继续请教问题:关于 Pytorch 的 Autograd

雷达

% a; x# U* c% i2 \7 k& }
) i+ |5 E8 h/ I为预防老年痴呆，时不时学点新东东玩一玩。
7 c* d2 Q# r  w& d; ]1 f2 V6 ]9 o: m' RPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
' _+ e" m: T$ X9 c; h, N# eimport torch
5 Q' U6 L& A! C0 qimport numpy as np
import matplotlib.pyplot as plt
& z, X5 d9 l& fimport random

4 Q& r% r6 X3 `$ j% l+ Lx = torch.tensor(np.arange(1,100,1))
- r. C$ _3 q3 A! [3 ^y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
3 p6 O  R, i& \5 e4 u$ R
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
% g$ h5 }6 `: s. \1 ib = torch.tensor(0.,requires_grad=True)

epochs = 100
8 i3 E7 o. j! l6 g5 O
losses = []
# V% ^$ d) D" B* W9 o- cfor i in range(epochs):
* e  U0 `2 W/ K  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
1 o. V8 L' X. n& O0 A! Z2 q( \
, A" C- S: @$ O" w  loss = torch.square(y_pred - y).mean()   #计算 loss
3 }& g- j6 l. q7 r- {) D3 N" {  losses.append(loss)
  
  loss.backward() # autograd
/ w  @% W4 w* B' g8 Y# a8 E) M% {( [# V  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  \! K$ Z3 s0 v5 j2 q% @% K  b.grad.zero_()

print(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？

老福

  [( Q% N! d5 k+ f) Y7 y
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。
* p' i+ S% @+ r4 }9 X; N, i: o-------
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？
1 {! j; p8 ]$ }-------
8 a: l2 J* ~( y1 |) w- d不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
2 T+ j* _" g7 s* v$ {- ]+ 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。
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 ...

! H! Y6 O+ s4 r& U1 [. I: S  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。
5 r4 d' q1 L$ H/ H: \" [" A
) G, y+ L# U& W5 E& K& ~. e. D$ y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
2 g9 d! B$ V! R0 x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。
% Y% Q" s+ q, S' N, E$ Q+ s
: T1 p# Z/ ]6 n& l* o6 k2 o或者把b但的起点改为1试试。 ...

你是对的。
7 M8 Z# K* R) ?3 Y0 S5 G- c4 G9 F去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
" A, k: N9 o' a; H/ O* h9 @9 k3 |4 Fy = (x*27+15).reshape(-1)

9 S8 G3 u! _- p& ?+ Z' [循环次数加成10倍，就看到 b 收敛了
w , b
: E2 l7 X& v4 Z4 l9 u( p$ l27.002620697021484 14.826167106628418
1 V/ ^/ j5 w7 T  r
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。