继续请教问题:关于 Pytorch 的 Autograd

雷达

4 M1 s5 K- J& P- }, U% |3 E为预防老年痴呆，时不时学点新东东玩一玩。
5 M- y% a5 {8 D' B" \Pytorch 下面的代码做最简单的一元线性回归：
6 {- m+ n" `  V# V4 z) B----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
import random

x = torch.tensor(np.arange(1,100,1))
; u, u& o5 F, ]; `y = (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
5 X$ a+ C, h+ b* zb = torch.tensor(0.,requires_grad=True)
5 n0 E  f  M  I/ s# [
epochs = 100

7 |; J1 g; i5 v8 B. E" r6 Klosses = []
% E$ a, Z7 q& c  s+ H3 q8 Y4 r  gfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
+ T$ y* s2 m$ J7 V  
  loss.backward() # autograd
7 M3 [2 o$ l" H# f/ V, X' Y1 e  with torch.no_grad():
: ^( E2 i" Z2 h. y8 t    w  -= w.grad*0.0001   # 回归 w
2 R# |3 V" @( v! ~8 S) S6 ?    b  -= b.grad*0.0001    # 回归 b
7 M3 `. U+ x/ s5 a+ B  w.grad.zero_()  
' D- e6 s% i. O' h0 q) Y$ U  b.grad.zero_()

print(w.item(),b.item()) #结果
: m* w8 O8 d% \. ~' k9 w7 c
Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
4 V6 r7 _8 O0 X) {" f4 I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

# F2 P5 p, v9 b" H0 ?
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？
-------
8 p8 k* ^% A0 y4 c7 j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。
( E, F8 u0 I$ ^" K! 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
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？
8 Z0 e" C% J/ @& w+ O- F-------
不好意思， ...

$ d* N/ M/ D" b  O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

: r9 V9 S' s9 c9 D" |4 P6 z

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。
: }' D+ R! f& ~6 g+ c  c  d6 t; ?( G* 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 ...

. `' }8 H9 ~8 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。

8 S# j6 H1 T7 _& ?" s+ i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
, R: \# P( V& W  x) p& [8 ]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 A5 j/ |! D# C0 g/ S1 S* a
或者把b但的起点改为1试试。 ...

. I4 W. {6 r, t2 U! k$ `% y. c- H( y你是对的。
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
2 S$ r; k* l$ t, _$ K1 K+ |3 s% c27.002620697021484 14.826167106628418
. n" I" R, }. c5 `& l# Q
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。