继续请教问题:关于 Pytorch 的 Autograd

雷达

, S" _  n, [' Y8 |为预防老年痴呆，时不时学点新东东玩一玩。
Pytorch 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
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
! e" q2 U1 F8 K6 t7 h5 Z: Q9 k
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
* J$ A0 v5 G" H5 Y/ u! ^7 @7 ?b = torch.tensor(0.,requires_grad=True)
) }& x. u1 A' ], c8 [6 X/ ~: H
- Z' I$ d2 R) B' iepochs = 100
& `$ I& X* X* U# `) T+ F9 a3 x& g. Q
losses = []
for i in range(epochs):
" q* u$ u" P, i: g' x& ?) G4 q  y_pred = (x*w+b)    # 预测
+ ?; _4 Z% Y! ]9 {9 o  y_pred.reshape(-1)

6 p* L  _. u; T; W) i# ]& R1 M  loss = torch.square(y_pred - y).mean()   #计算 loss
! [  x; o, x' k  losses.append(loss)
$ L, A, i! j4 ?& o. N  p  A  
$ W( ]& U# t# l  K* j5 q3 x  loss.backward() # autograd
+ i# s% d2 ^2 B2 F& F- l8 a3 Q2 r0 k  with torch.no_grad():
5 P3 a! ^) Z1 y" L* x4 e$ G    w  -= w.grad*0.0001   # 回归 w
8 o# b- ?7 X. q  K8 S, [( P    b  -= b.grad*0.0001    # 回归 b
3 {7 M( i9 u! K) I1 \/ ^  w.grad.zero_()  
& q4 o, v* N/ u0 z5 f- J  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？
& ~; L7 P! K, [& u0 g3 c" I

老福

. a/ D  \& f1 T3 w
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 [6 C1 ^  l+ l" h7 ~-------
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。
-------
: J5 n1 [! f' b. T" J- p8 b6 H. q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？
" F+ J, J$ q8 @- w7 }* V-------
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
- O. L) j, B+ O, }6 k* ]谢谢，算法应该没问题，就是最简单的线性回归。
# A  c& i, v6 P/ c6 b7 |4 ^  B; j6 e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 ...

: W: @6 Y8 Q3 [7 d) l8 w' t. v3 a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

: r! j5 J! Y( @8 W  X( S8 @

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。

或者把b但的起点改为1试试。 ...

4 a+ I" N1 G/ j. J你是对的。
$ p: S2 F: U6 T/ v: M# ~# ?; _% {去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
$ }/ x4 j1 a/ Z) {  h, Y: Z. x8 J* Y: A7 k
循环次数加成10倍，就看到 b 收敛了
w , b
0 K, Z# L7 ]$ ^* R$ Y27.002620697021484 14.826167106628418
* w7 U# ]+ \# F* h. u9 U$ `' ^+ 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。