继续请教问题:关于 Pytorch 的 Autograd

雷达

" N+ N7 l0 @7 O1 e/ d1 ^. l
  _' y5 b8 Y# D为预防老年痴呆，时不时学点新东东玩一玩。
, R$ v  q# H  F# J5 KPytorch 下面的代码做最简单的一元线性回归：
" h) Y5 f: H/ v0 L8 r----------------------------------------------
import torch
9 Z* r) n7 \2 gimport numpy as np
import matplotlib.pyplot as plt
import random

x = torch.tensor(np.arange(1,100,1))
4 [! D0 |2 \- i/ e7 zy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

5 j6 i# f: _( H+ c1 sw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
* g8 O: ~  w4 \
epochs = 100
1 D( M/ q  G. h0 d+ n
7 H+ n, m" r# r+ nlosses = []
2 j/ m8 ]* t4 s$ s% Sfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
: m2 a) G, S  M
* j) v2 |0 T1 B3 W3 H  loss = torch.square(y_pred - y).mean()   #计算 loss
, q, i# @3 K* j: X  losses.append(loss)
  
  loss.backward() # autograd
" [& E& K4 x$ |8 t* C  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
/ M  ~9 i- L6 Q1 U$ _* R5 g# U    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
% n0 \9 j$ V3 W* H+ ~  m1 N----------------------------------------------
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？
$ C  M9 a% n+ B: I6 b7 x+ y$ P-------
& y1 s: r! a' ?; o4 r) b( n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。
0 U0 K: l: x8 c. z) k1 @. G-------
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？
-------
/ w  n  Y( B) m% s2 r# R不好意思， ...

$ W: G# t- p. w/ U" K谢谢，算法应该没问题，就是最简单的线性回归。
7 R- a. p) i' S( ]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

$ C, G& G( M7 b2 T) I* Y* S

雷达 发表于 2023-2-14 21:52
) w0 R! p: a& p3 C7 _谢谢，算法应该没问题，就是最简单的线性回归。
' N; b% H1 O  C, z9 j  Y" 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 ...

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, f  Y" N6 r
8 M  z- A' A: K1 q" o' e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
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 ]0 U! l2 F( s+ w- i) K! M或者把b但的起点改为1试试。 ...

) f8 V$ z3 {- G$ K' k. I
8 r0 Z' h- \0 _" c# M/ A你是对的。
+ P7 R; @( O' I8 H! u: e( v) r( T去掉了随机部分
& F( i0 C) J7 m4 s6 y6 ~' _  [#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

" S6 ~: t: R8 d/ m2 v: N" ~循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
4 x1 ?3 H5 y$ x' {* L% y( f1 @
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。