继续请教问题:关于 Pytorch 的 Autograd

雷达

9 G6 M& n$ M: A7 m5 i
8 [  f$ }6 V; ^# |9 ^4 i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
* P5 O( u, E* h: oimport matplotlib.pyplot as plt
2 E6 j: Q: z8 Q' Simport random

x = torch.tensor(np.arange(1,100,1))
% K/ ]3 N) _3 k" V1 E# g3 ]y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
% U7 z9 u% X0 j$ Y, S
0 {0 o& S* {/ p, v- ^3 `0 ~* Uw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
. c6 x- p% d9 V- V( Z% }+ db = torch.tensor(0.,requires_grad=True)
/ e0 \( S$ I& N
epochs = 100

5 E6 y9 `1 w7 K! G6 |9 Y& closses = []
for i in range(epochs):
) B1 v% ^. s$ J( z4 I  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
+ ?* ]- S; {% C* ~1 U8 k
- q. B, `7 b% M  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
3 L3 M0 ]) l% J  
9 L$ c1 O7 W. k* _  loss.backward() # autograd
7 `. o( A# A, v! {  with torch.no_grad():
! A9 t6 j( [& M  c% f1 ?# G. p/ N    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
* B! l: ^& Y) F
print(w.item(),b.item()) #结果
  z* E$ G- g4 U9 m
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？
( K5 x2 p& x& H( S8 _

老福

, V/ }2 Q/ \0 \, H$ }
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？
-------
/ r1 Z! l: L. w8 k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。
% q; `4 v# G) F4 x4 {-------
: a  y* h* R* E1 w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
# M5 n2 F: M$ b% \- f# X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 V: p, e8 c8 W& m不好意思， ...

! d/ ^- q5 f2 B, F  L6 o4 O谢谢，算法应该没问题，就是最简单的线性回归。
9 o* f* C6 E8 H5 Z/ I% O# N- u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。
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 ...

  G6 T, N" O  [% t
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。
7 a9 ~7 h1 H- p
! W+ G$ [: t! ?+ j6 d; x+ ?或者把b但的起点改为1试试。

雷达

2 ~1 Y! l7 T$ D% i

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。
# {: M7 g- O, M! ?4 O
或者把b但的起点改为1试试。 ...

9 P& {, ]1 V% e8 W你是对的。
% }+ v# H8 e+ L5 s% q' f去掉了随机部分
5 {1 N3 y  k4 N$ L4 t/ B9 Z& x+ X#y = (x*27+15+random.randint(-2,3)).reshape(-1)
' _. B8 _; |2 b% W3 M: v. dy = (x*27+15).reshape(-1)
3 p6 g4 ]; h. S" _
9 }. I4 g1 ]7 l7 L0 C, x循环次数加成10倍，就看到 b 收敛了
w , b
' F& Y) X  T/ J( \& ]/ Z# |" `# Z27.002620697021484 14.826167106628418
4 X/ a- W9 G! y* A1 Q9 |
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。