继续请教问题:关于 Pytorch 的 Autograd

雷达

8 b. O, g5 e& N; y) O9 Z" F1 }' g
为预防老年痴呆，时不时学点新东东玩一玩。
5 _1 y0 g* A0 ^3 SPytorch 下面的代码做最简单的一元线性回归：
2 ]: o# k7 G; q6 \----------------------------------------------
5 j% H( t- D2 Wimport torch
7 q" O: m8 l! \" w% k1 Cimport numpy as np
import matplotlib.pyplot as plt
import random

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
: H" P' }- Z) O# k+ f
7 u- d& @3 `" {* r& hw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
) m1 z( ?. n0 t1 h8 qb = torch.tensor(0.,requires_grad=True)

$ U& r% C" {1 a& Oepochs = 100

losses = []
/ f- c$ N  N& ^+ ]: }- q2 ~for i in range(epochs):
  y_pred = (x*w+b)    # 预测
* T+ H2 H  {% K8 G& l' y3 @, Z  y_pred.reshape(-1)
1 ^# o: i( l6 f
/ d, N" m# r6 p# I" F* U1 Q  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
6 t1 @9 C- R) s3 S2 N4 \  
  u4 ~$ ~! r  M, }  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
0 V9 ?* z) n/ M$ c+ ]: B. \) K; s2 ~
% B0 F2 {9 X9 G! aprint(w.item(),b.item()) #结果

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？

老福

, F2 I5 e& v* K3 A: e( r
" O8 V/ o! H0 H' c+ P: 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？
- {! a  p$ ]( y! E0 C-------
& l  ]5 O, ^6 y; |) 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。
-------
% ^( K3 e/ P9 K- ?; M+ I* R0 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？
( Z* X1 P+ Z2 R1 U! Q7 Y-------
- A6 K* e) e4 Q) h7 G, e: q  B不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
6 Y. ^* ~, u# l+ O9 _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
+ s) h% d# V3 {- r) F谢谢，算法应该没问题，就是最简单的线性回归。
0 ~5 g) J  u) F% v( Q& p0 N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 ...

+ m! z* \7 q; s$ X: \- p& 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。
) P3 U* B7 T7 o' b- G4 U0 G
  v. I- U: q6 P- K% ^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
$ c' u  n: ~6 X! `. j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。
2 y, f8 N0 E- O
或者把b但的起点改为1试试。 ...

1 ]9 N! ?4 h8 K* q: n" y你是对的。
  R# z1 \& q" t& L6 J, x$ m+ S" J) u去掉了随机部分
$ a; S2 ?8 A: Y+ d4 H% O( @& C0 q4 f/ ]#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
4 s# T0 J+ y. L" f
循环次数加成10倍，就看到 b 收敛了
w , b
, ~  _( [. g! T% j1 v2 O) x27.002620697021484 14.826167106628418
6 W% z# k; S8 B6 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。