继续请教问题:关于 Pytorch 的 Autograd

雷达

6 P. k9 ^: ~% h+ L" x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：
4 B  t7 h7 c2 A" W----------------------------------------------
import torch
" r% _6 y% h7 a; ]7 w$ |  `import numpy as np
import matplotlib.pyplot as plt
import random

# r3 y9 I+ G9 |- i2 ^9 ^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

7 b1 e) u6 V& L- B! Iw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
: C& S1 X; K2 _  M% w7 [b = torch.tensor(0.,requires_grad=True)
: x9 J9 t' R$ M- j/ n: k( c
9 F" F/ f: X( e4 ?epochs = 100
( I% M- ]' g% o' w) a- ^; z
losses = []
" j+ {2 C0 ~8 C6 q2 C# ifor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
$ G# I- w9 X# \$ @( a8 V* K. R
  loss = torch.square(y_pred - y).mean()   #计算 loss
1 S3 C3 B# w& k; U  losses.append(loss)
  
. L' ~- y, v9 X* `+ v. V  loss.backward() # autograd
  with torch.no_grad():
( N- A$ c+ r# g    w  -= w.grad*0.0001   # 回归 w
& L' w  f6 d4 {2 B% [1 h    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
& L( @7 d5 H8 b: |7 S  b.grad.zero_()

7 Y3 t* a- N1 T/ i9 w, ?8 `3 b  ~* bprint(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
4 u9 D% L8 c" a% l& S" F----------------------------------------------
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。
* a5 |5 a% }7 l! h高手们帮看看是神马原因？
2 z5 R! B! k, ~" f. O7 @

老福

5 I8 w. K: I0 t* x3 i, X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- h8 S7 f9 _, u" y7 [8 |-------
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。
. ]& D6 ?% o) h5 k  C7 ^/ V% r" t* b-------
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
( c+ U, L: [' Y9 H5 H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？
-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
2 ^& U6 L# W8 K, Q5 w2 W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。
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 ...

3 j, L) O4 V( h, @1 l
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。
  h# }! c' r7 c: Q# S
1 b) |: n- F) J) _$ H" \4 O: A或者把b但的起点改为1试试。

雷达

3 K% t' f& I% H' n

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。 ...

$ {( K3 J& _2 I% a' D7 O
+ J1 I, w+ K* I5 J: h1 i- C: d, ^5 ~8 M你是对的。
去掉了随机部分
+ ^( y% M) s0 }8 B$ Q. J2 A8 y#y = (x*27+15+random.randint(-2,3)).reshape(-1)
& i' b9 w' l5 f, J5 Q% [' ]y = (x*27+15).reshape(-1)
- W* Z- G3 n" r! r7 U  w
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。