继续请教问题:关于 Pytorch 的 Autograd

雷达

8 Z, l) p9 I% I5 D7 u! d* ]为预防老年痴呆，时不时学点新东东玩一玩。
% b4 Y0 I# j- kPytorch 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
. n* {, U1 e3 u4 J0 A0 B' Y) R3 u+ Ximport random

4 ]5 T' \1 Z" e' G. D8 P% Y4 Dx = 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
3 g: ^2 R$ V4 ?9 K, k9 r7 T& o5 S
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
$ M0 A4 l7 j' w8 s& y: }
2 Q$ n& ^: x0 L, x+ aepochs = 100
3 `5 c7 v) n2 m: Y
losses = []
for i in range(epochs):
+ C6 K6 O/ }) N/ y$ I  y_pred = (x*w+b)    # 预测
( x/ d6 y+ a* u* u0 P7 ^  y_pred.reshape(-1)
, S  _9 ]$ \, d0 J+ j! D; I
) J  Z, c# P: B6 Y  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
1 i( X" i; h/ Y3 M5 x" Y4 I  with torch.no_grad():
# M& X# l! b) a, E: F    w  -= w.grad*0.0001   # 回归 w
! t( F7 d( m& q3 ?* ?    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
, q. n8 n5 Y2 Q/ A- I& q/ a8 n2 o  b.grad.zero_()
3 [# ]  g  q  ~( l
print(w.item(),b.item()) #结果
) v% H$ r) S- V! U3 j
Output： 27.26387596130371  0.4974517822265625
0 k( B" a: O  d2 h----------------------------------------------
) C: q$ o5 ?- Z$ g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。
' m5 D% C- [9 i  V4 _  \! E高手们帮看看是神马原因？
% U- a, I6 b/ L: K% M0 L5 I+ N/ O

老福

3 c0 D$ q1 w# t1 e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？
. }0 r3 t: i0 V7 U; P( Z-------
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。
$ n; D7 K: d  w* |1 q) Z' {- ?-------
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
9 }, d& l4 h2 B( h1 o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？
-------
+ m( s- ]* E4 e; N6 x$ b* D+ s3 i不好意思， ...

8 _- U5 `( Q$ {2 q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

1 y6 M" W" S+ t: @1 {( h* W2 x

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。
& f" n/ H( e. i! c3 I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 ...

! O- n2 ]- p4 ^# G1 ?) I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。
! p/ ?$ T" i6 i, {1 e& K
或者把b但的起点改为1试试。

雷达

* [- u5 ~( E* K& g2 ?5 ]+ C5 K3 v  F

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。
) g- l, n$ w' j2 z
& j$ H0 l/ o- a0 l$ J或者把b但的起点改为1试试。 ...

, d/ o  e( G+ \# M5 i( E+ M你是对的。
! ^6 c$ [/ ?9 o去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
, }$ W3 n9 r1 i
6 k! x) [. ^3 q" I9 ~  I循环次数加成10倍，就看到 b 收敛了
3 n% t) D8 k/ [9 }' f0 nw , b
; ~$ e3 O0 q3 @$ ]; J+ g+ m27.002620697021484 14.826167106628418
+ R- O$ O( e0 F2 G) 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。