继续请教问题:关于 Pytorch 的 Autograd

雷达

: _& @3 U& @. b4 j9 O: J
  ~: U5 g+ Q3 B- `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：
----------------------------------------------
+ P% S( S! {! D0 E1 simport torch
2 z6 s3 q( Y2 w9 T$ c5 H! |import numpy as np
import matplotlib.pyplot as plt
import random
0 P9 {0 }4 w2 O/ Z
* V5 `: }/ q- j- L8 w, G: lx = 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
2 w1 m/ x. M! ^
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
) _& m! z$ t; h* Ob = torch.tensor(0.,requires_grad=True)

epochs = 100
. {; A7 r% A5 F' b: ^* P+ L) n
5 H5 ^: R0 g& \% f* B: hlosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
1 I& |7 d) Z, d5 X) a
/ p0 R4 r: e  z0 ?  loss = torch.square(y_pred - y).mean()   #计算 loss
- O" o6 \# X' t, x. d  losses.append(loss)
) S& r# g% n" r( B1 O  
  loss.backward() # autograd
  with torch.no_grad():
) H& Z! s. W; p; _. S6 e4 O    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

7 S) ]: P3 X! Uprint(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。
3 R$ q5 [* B' z$ W) g+ o; q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？
* k9 p7 R& P( s% `& _-------
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。
& m  g2 x7 g1 \& f& x0 e-------
- z8 ~& e/ ]6 e  u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？
, V2 f  l( o* f& L5 F. G-------
2 ?( ]/ `8 h6 b; m( q# C, t不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
, d% }: [. e) [, 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 b' {( x3 U" _$ x
+ }6 W7 L* @6 M) V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。

6 E) N1 g) Q$ 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
* x1 f0 w" s, O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。

1 _. `! [, b5 W1 L& T) K3 m或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
1 a+ C+ K9 ]4 t+ i" |: A; S#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
+ U7 j& H' q9 H$ H/ i; \
& H8 \! p# r* V. k% @循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418

, V; p2 u9 i1 R) ^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。