继续请教问题:关于 Pytorch 的 Autograd

雷达

% f+ r; }9 V! \! g( w# J2 Q! S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：
/ c) F* X2 A# ^9 w; S6 F' K' i----------------------------------------------
import torch
import numpy as np
4 p$ A9 W3 Q! G3 r7 w8 |; cimport matplotlib.pyplot as plt
# @2 U5 z1 X, \1 Mimport random

# {" Z" w+ D+ S( _9 jx = 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

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
$ K# E1 o) B( E+ B. d
epochs = 100

losses = []
for i in range(epochs):
3 o1 B9 v8 _; k- H- x  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

7 Y4 l  V  O! d  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
$ ~) `# C+ A8 |. q* h- v  
  loss.backward() # autograd
9 L3 T4 U7 \# ~- s. i3 c+ f  with torch.no_grad():
8 W+ \. l7 m" Q6 l4 g( _    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
; p, a$ a6 T  u6 f/ _
  B7 q, ^& Y# D# S" Aprint(w.item(),b.item()) #结果
: W# ?$ a# x, v9 }; f! g; X
/ c8 V+ p* |! @1 o: G! Q: W8 y2 `Output： 27.26387596130371  0.4974517822265625
0 |: T2 k; D4 B----------------------------------------------
& A/ M) i" x+ i- _# x" X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。
, A4 c" [$ N0 P! J- V. T高手们帮看看是神马原因？
  z) I6 ~/ Q2 G% B1 r7 u+ a3 y

老福

( X/ |$ j0 e4 W  F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？
-------
; `  s2 U% R. P; z, x- @0 V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。
9 V3 @- w" \" a3 Q# C5 b-------
3 C- P7 @1 n5 @! K5 u  V/ c& }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
8 _+ Q8 F5 m1 p$ R; 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。
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

' \5 l  h# q0 R2 n; b4 I& W( P

雷达 发表于 2023-2-14 21:52
5 R* H; w' C  s; x6 g8 N+ b. g% N谢谢，算法应该没问题，就是最简单的线性回归。
9 p: ~. P7 Y7 U; R$ l+ r, V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 ...

' v) J% W4 [" n0 G) W8 X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 l+ K9 C; l8 i2 [1 W6 b
' B' C; j. T6 E: j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。
, Z2 _+ T# F. x: P0 J7 c
或者把b但的起点改为1试试。 ...

; H4 d' q6 O' B+ L, L2 K
* m; ]- L& x+ q  |7 k" w2 @你是对的。
. ~5 Q$ _% [1 T/ q+ d% n去掉了随机部分
, d, `& A/ ]2 N0 I  R5 c9 c! v#y = (x*27+15+random.randint(-2,3)).reshape(-1)
9 t) W. q  x- C: N6 G! D5 vy = (x*27+15).reshape(-1)
& p3 ^) O9 ^9 ?$ ~' p
循环次数加成10倍，就看到 b 收敛了
6 O4 |/ m( y1 u5 p# X+ vw , b
$ |) g* w0 ~% Y" l27.002620697021484 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。