继续请教问题:关于 Pytorch 的 Autograd

雷达

2 M/ X; b3 g# Q2 }$ a! l
4 ~, c' a- V$ B1 Z0 [" b为预防老年痴呆，时不时学点新东东玩一玩。
6 Q; l/ B( @+ G$ d( X+ o% dPytorch 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
/ e- \3 F2 R# Y2 _2 ^import random

x = torch.tensor(np.arange(1,100,1))
; o1 X: @+ B! D+ v3 iy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
4 G( V% V( {& L! i5 T" jb = torch.tensor(0.,requires_grad=True)

/ j% ^; A. o, R' |epochs = 100

losses = []
! r$ @6 p3 z! z; Rfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
, o' `/ q  l+ R  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
- D9 Q. m4 x% I3 j  
& b! E9 ], N6 q, B) P: `  loss.backward() # autograd
8 Q* e1 i, D5 X: D. O- \  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
6 w3 s- g( C3 U/ m: o4 L2 q' t; i    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

9 Y2 ]  o( Y7 e! T& ^( w: nprint(w.item(),b.item()) #结果

7 M$ ]& T& i9 k5 O% V1 ~) `& ~0 qOutput： 27.26387596130371  0.4974517822265625
' I2 ~; u- N0 |----------------------------------------------
5 R, a5 [* U& k9 l& t+ S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？
-------
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
& U! m1 w6 m4 j  E* x; i7 w- 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？
; J) o$ S7 O5 ~: G-------
不好意思， ...

+ v' j7 I2 _# J1 p6 N, a谢谢，算法应该没问题，就是最简单的线性回归。
4 Z, R, S6 ~7 M, T/ \; E" n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。
; S6 c7 y2 P1 w  V/ J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 ...

1 X" s: K2 N+ i1 F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. S& M2 |% w( Q  g
0 o* F' Z& ~3 @; b; H$ G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
$ D9 J3 P$ N  F1 c: a0 `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。

8 f7 c& J4 Y& H8 P: u# t或者把b但的起点改为1试试。 ...

你是对的。
2 R) _: r+ A4 g- H去掉了随机部分
1 w2 x( S! L% K+ {* }#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
* M* |. Y" |( ?5 ^- p7 g1 Yw , b
27.002620697021484 14.826167106628418
- D6 Y3 Q. G: b0 |" Z
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。