继续请教问题:关于 Pytorch 的 Autograd

雷达

  y% S; J# Z* Y' @$ @9 V$ ]; r为预防老年痴呆，时不时学点新东东玩一玩。
7 Z% m8 \! E# q( h9 WPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
+ E8 o6 j8 f# f- [: q5 E2 mimport torch
import numpy as np
import matplotlib.pyplot as plt
import random

2 z1 D) N6 l: i' _7 ~, [+ `, Q! Ux = 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 B( A5 n# W7 \- t
. g" j, X1 u. c% l3 K5 |: L$ A- Zw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
' u# ?/ c* Y2 j% ob = torch.tensor(0.,requires_grad=True)

) Q. [& J, _/ l& Yepochs = 100

7 [  S8 u/ `+ V7 Ilosses = []
; Z1 J9 Q4 O7 ^6 j3 k  B2 j' wfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
3 L3 k: c# n0 r' m  y_pred.reshape(-1)
. n9 l, u9 D. b9 n$ o
& u1 t# c3 |, ]: {: g5 w  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
: t% y& Y3 D7 I/ E" l# b  
- y8 a6 |' B$ ^6 d  loss.backward() # autograd
  with torch.no_grad():
1 `2 f2 R6 U. P& V2 K    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
! F4 |# A' ~. G. R1 |7 c; m  w.grad.zero_()  
  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。
8 a7 M6 k8 k; e- z+ b5 B) b' E$ z4 ?高手们帮看看是神马原因？

老福

1 L. k0 I$ p  J3 D! I
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？
-------
" r$ y4 T& Y3 O4 m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。
-------
0 f. A) ]) P$ Q( O  u" R9 p" H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
. R3 i& C9 @9 ~! ]' w" I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？
$ C/ D4 G9 B' q' ?' J2 s, b-------
不好意思， ...

+ a0 {( p3 X1 m& r, L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

9 Q. B- J* L* I# Q

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。
( w2 ?' m. {: p6 q9 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 ...

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。

或者把b但的起点改为1试试。

雷达

+ E" l4 X9 d. q3 D

老福 发表于 2023-2-14 22:00
' {( N; P& I) k. G. k5 v" p* z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。
3 i* l- {. B4 d: n' ~
或者把b但的起点改为1试试。 ...

% R! o4 I% s' M$ S5 C: H+ ~8 R7 \
7 F( ]2 H% [( g, x你是对的。
; Q5 H! f8 Q8 N' k  q5 P8 ?去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
6 L2 a  F1 [% V+ I: C, N/ r6 S27.002620697021484 14.826167106628418
; T+ @0 s/ U8 _0 S, ]! c
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。