继续请教问题:关于 Pytorch 的 Autograd

雷达

5 l& R6 j3 G/ l7 D7 B. h
7 M& c& _& x5 |7 d为预防老年痴呆，时不时学点新东东玩一玩。
+ _' e8 A. z/ b- VPytorch 下面的代码做最简单的一元线性回归：
  m' y) f2 J( o! E2 B----------------------------------------------
import torch
2 P7 U! a- _4 j. b+ }. Qimport numpy as np
import matplotlib.pyplot as plt
import random
! s; f8 y" g  H5 D
' b. T/ |0 e- B! N: S8 Jx = torch.tensor(np.arange(1,100,1))
* p/ O# B/ |  P. J" _y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

8 s, S' x* y; x# {& u% Q3 o5 [w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
+ \; {& b3 [& ^! b) K3 db = torch.tensor(0.,requires_grad=True)

epochs = 100

. a7 `) H" \5 q/ O- ?0 k5 ]losses = []
! E5 K7 Y  Y6 O) E8 ^for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

# W* t9 I9 d* ~5 B* E  loss = torch.square(y_pred - y).mean()   #计算 loss
! X" E# a0 u3 s3 T/ x- t( h  losses.append(loss)
  
* p$ i7 H$ i3 w8 x( x9 @( V4 y) V  loss.backward() # autograd
  with torch.no_grad():
/ G- W! a; H8 |, q  x+ x    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
9 i* H0 ]6 H. b( t( d! t  b.grad.zero_()
6 x% \4 ~+ A3 B
print(w.item(),b.item()) #结果
* p( ^& j2 n5 G/ B6 d2 j6 e8 \
( K: |, F+ a: \, @6 g, UOutput： 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

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？
& F8 P! v: I/ Y4 y# p" \) Y  O; o-------
; K0 k4 ^' m+ W9 C9 @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？
-------
7 W5 w& u2 _" y4 b/ p不好意思， ...

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

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。
1 B& O9 a  S- R- S4 E. g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 ...

, `7 S( y* @2 k1 K6 e9 o
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。
+ m6 n4 r1 F! s# r0 c. ^+ l
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
4 E( ~+ |: a  I3 G) O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。
- S  h: F" D. ~
或者把b但的起点改为1试试。 ...

$ A, I& [( w% F. J$ Z1 @$ Z5 h
; m& H& L6 g1 y* n8 z0 G你是对的。
去掉了随机部分
# U0 J% Q- Q+ v2 y& a8 W#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
: T' Z7 Y. ]) w( y8 S1 _
循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
: |/ O9 n; O/ F& g
  A8 e/ `" c( L" K' i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。