继续请教问题:关于 Pytorch 的 Autograd

雷达

4 @* w: ~8 B% a3 v0 }* _6 ~0 v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：
0 P) i" {2 N9 c/ _6 d$ K. {  P----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
0 }0 Q9 I2 v0 E$ aimport random
1 O1 W8 t/ n: B- O4 t8 Z7 x
x = torch.tensor(np.arange(1,100,1))
y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

6 J8 [4 ?* ], P$ ]0 `w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

4 {7 x2 b" ?# r! Xepochs = 100

3 ^* ]9 |8 m; xlosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
' u( A, V# B8 }% W2 `  y_pred.reshape(-1)
$ `. A3 Y# f; [! |- D
6 E' z8 M5 S- d1 M& h  loss = torch.square(y_pred - y).mean()   #计算 loss
" R3 l* ^% O" S% u  h- j  losses.append(loss)
% F1 w' V2 ~0 k$ b  
  loss.backward() # autograd
  with torch.no_grad():
& W$ \' P. A" _! L    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
3 B( X2 H! d2 [& A  w.grad.zero_()  
; k* z2 c. }* J: B  b.grad.zero_()

print(w.item(),b.item()) #结果
% U  Y' \0 F  p+ u1 S6 M1 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？
* W8 G+ I, `0 z- ^5 k0 B

老福

: W' \! O/ O. V5 L% p/ B' n* }/ i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？
. ]0 v& @! L$ ], i-------
" v/ ?/ \# W  a7 a, f2 R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。
-------
$ z- z) s1 I6 U! C" Z4 f& @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？
" [6 O  w. p+ }9 H* Q; w$ B) ]6 ?-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
$ L1 e8 q! q6 }% y+ m, F( N* 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一下。

老福

雷达 发表于 2023-2-14 21:52
# z6 \2 Z7 i+ \3 d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 ...

$ H3 U  D* ~; T5 F% u/ G# M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。
) V- ~# V0 C" I+ d
9 d" Z5 I2 o! A7 B6 ]( \或者把b但的起点改为1试试。

雷达

0 P8 e  E5 A# p9 d; E

老福 发表于 2023-2-14 22:00
: X3 \9 o9 X2 Y- _/ X8 {- q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。 ...

- P* \8 g: e: Z. \
你是对的。
+ S/ O. \4 J7 j5 _& f9 ]去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
! b2 }) ]+ i% H% T  wy = (x*27+15).reshape(-1)

8 Y1 {3 }! c7 I7 K! u' a% A循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418

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。