继续请教问题:关于 Pytorch 的 Autograd

雷达

为预防老年痴呆，时不时学点新东东玩一玩。
2 c3 b" M8 E$ R( a" f, gPytorch 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
- b% o3 L$ Q- o% q5 |2 v* limport random

x = torch.tensor(np.arange(1,100,1))
) ]5 s0 y* r& b( a% hy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

0 t, f9 _# P  g- ?" bw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
" F" B6 p+ {# H
epochs = 100
: r8 T* |. P" b4 w+ ?
# w2 U$ ?6 j2 [: l1 nlosses = []
  ], l2 q! Z: {! ^* ufor i in range(epochs):
# n2 g. }1 U6 X0 S* ^* V8 E  y_pred = (x*w+b)    # 预测
3 [5 x5 x! _- {6 p2 @1 R- D( y8 f  y_pred.reshape(-1)
( F! j+ V2 n3 Z
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
/ D% u3 P5 ^+ _  
  loss.backward() # autograd
  with torch.no_grad():
8 T- @( \6 N$ C$ A. b( x) j. P    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

$ K( Z1 R) {1 m% R! C9 P* l: s+ Y- Q5 wprint(w.item(),b.item()) #结果

7 P' q7 e+ d/ ?0 yOutput： 27.26387596130371  0.4974517822265625
  q/ ]- g8 ]6 {& d----------------------------------------------
( [8 z. j/ a0 N$ V) 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。
$ s( p  y+ M: D* l) }$ x( y高手们帮看看是神马原因？

老福

/ \9 u8 Z1 ]. N+ 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？
( _% n( y3 u- R* u8 x, ?* S! v-------
% x( q8 g0 g8 T! ]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。
* ^; x. _* [8 @-------
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
! r( @1 T* U, ]9 f+ H* s. ~' R* U! `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？
' ~5 O7 `9 o$ s8 R-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
- X! l; O2 a; \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。
6 t' ^8 ^" ^1 W+ S' k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 ...

' f6 ^+ r- S. ~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 N' }) Y$ m4 X0 R) W
# b/ m6 `6 R' r8 n- B或者把b但的起点改为1试试。

雷达

9 j7 N5 M( ?# z& `9 h, e0 f

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。 ...

" d$ m8 u+ n6 y, x0 R3 U. v& v你是对的。
去掉了随机部分
, U( ?8 G- W) _0 o#y = (x*27+15+random.randint(-2,3)).reshape(-1)
* f% \8 x2 |0 [) a# N; W& F" w) qy = (x*27+15).reshape(-1)

. i" ^) K$ R$ E1 [) [. m循环次数加成10倍，就看到 b 收敛了
1 f0 v6 F" y* p7 m7 _& ]w , b
. X* O, f6 M/ i6 E' A  |27.002620697021484 14.826167106628418
! {" \  q. o9 t' ~
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。