继续请教问题:关于 Pytorch 的 Autograd

雷达

  x. K( Y) s5 p/ a$ Z
. N4 a( l' Q3 p为预防老年痴呆，时不时学点新东东玩一玩。
3 c4 K. c7 e, o. y2 R: h9 E" e) z5 \Pytorch 下面的代码做最简单的一元线性回归：
  t- w' H0 z0 \8 |: B----------------------------------------------
2 ~8 M& h( u  pimport torch
import numpy as np
import matplotlib.pyplot as plt
import 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

3 U" ?: ?) T: `w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
! H! }4 ?( R+ m1 T! _; \6 b
* W1 b* i. ]& D! G8 ~3 Hepochs = 100
* e3 p3 ^7 ~" U, ?3 N- e# o
losses = []
/ ^3 h. C) D3 g+ n" q  zfor 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)
/ S) u& K3 I. n$ d. w  
& _+ S, z5 k' _* C+ i7 y  loss.backward() # autograd
4 O, m2 O- ~  L& o  with torch.no_grad():
6 Q8 N+ b5 U3 B' U) O" A; f6 m. A    w  -= w.grad*0.0001   # 回归 w
% L7 P/ ]' d7 \' V" x% D    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
0 e; s9 ~; k  x, ~( n, d0 {
print(w.item(),b.item()) #结果
: i: `1 Q, k& x; }* K- r4 c
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。
% _0 P$ M2 D4 I  R" ?" z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。
-------
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？
-------
  ~) `" v* s9 S" x- a$ n+ Z$ K不好意思， ...

! J( n$ h$ U# o; D! d谢谢，算法应该没问题，就是最简单的线性回归。
5 c$ f/ y7 @6 v1 K3 T; d0 h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

" a; W% B4 }. O- O/ {1 g; j

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。
; I$ Z5 P4 u% I: W# b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/ g! G9 P# x9 n& ^
* V+ u/ T4 Y! g* B9 o. d1 g2 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。
( `% o1 `+ z5 k+ o* U1 d
7 @4 R  [. f3 U4 Q+ ^8 L$ A; `, j. q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
1 d. z, e& @' L# |6 l9 Q% k, N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。
* w/ [' |7 Q* s8 M
* L2 u( C1 x2 A, P% }或者把b但的起点改为1试试。 ...

你是对的。
; v. ?: e. _$ Y, s去掉了随机部分
* x6 H; Q2 g' n5 y* g#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
; l0 c7 Y( D8 H$ `/ x
6 M( j/ z+ |6 i9 A, V循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
% g& q( ]+ v% S3 q2 a
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。