继续请教问题:关于 Pytorch 的 Autograd

雷达

$ \6 i" G2 c; X( M* O; k
8 o7 ]# V9 @; v' a+ Y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：
: ]  M9 j1 e5 K8 j2 d- b+ ?----------------------------------------------
import torch
import numpy as np
% y, o+ y5 r( E+ r. wimport matplotlib.pyplot as plt
5 b4 |: a) ]# {8 `! qimport random

x = torch.tensor(np.arange(1,100,1))
; I  V/ s: s2 q0 x! E) r, v7 yy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
8 S$ K( ?, I  d
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
8 E# f. _% g, O1 h: Eb = torch.tensor(0.,requires_grad=True)

epochs = 100
% |+ P- J; b/ r/ P
losses = []
9 _$ D9 ?, e/ l$ ?% Ffor i in range(epochs):
% @+ y/ [5 q) i" \$ k+ L  y_pred = (x*w+b)    # 预测
, V4 x. x3 v. u) I, I/ Z+ E  y_pred.reshape(-1)
# u( h* S- z) [$ b. k
) U' h1 x* q+ l) r/ A- Q. t) n9 I" H" ?  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
4 j/ Z, j, R" |+ H% W+ y- I: q  with torch.no_grad():
5 [) D' V) t" w  z4 K& X    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
7 p" Z# d! b  ^, o+ S. G4 o; r( n
print(w.item(),b.item()) #结果
+ m% X0 R8 h$ |: j2 j
  u$ {, X' l: t  c. L# rOutput： 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？
4 M  {4 R/ P& M: @

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？
-------
9 [, d5 w, T9 \5 O; z' d2 O, f& Q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。
! }2 X; u- V- b! Q( K4 Y-------
, m+ Q- s# {, Z% i' 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
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， ...

: k  H+ [8 j- }, _/ b6 J- g谢谢，算法应该没问题，就是最简单的线性回归。
& D% W1 R# y4 x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

+ e1 q% ]" E9 E& G, T

雷达 发表于 2023-2-14 21:52
4 ~$ y; |  e; i3 I3 t7 {! i谢谢，算法应该没问题，就是最简单的线性回归。
& V% i" W6 p& o! _2 i4 J8 K2 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 ...

$ a7 x  J3 b- n% P
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 P* g/ m6 \( ]: d0 w2 ?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
: E2 _5 {$ b7 ?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 c. [  Q" h7 H# t+ A4 I% ^% g或者把b但的起点改为1试试。 ...

! W$ L( f  T! W- r* B3 n) a1 X" ^
! L2 ^- j; V0 l% ^2 @. B0 z$ B$ ^你是对的。
; _8 ]6 ?" d5 ~! s去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

5 @, [( N. S9 @9 t2 Q循环次数加成10倍，就看到 b 收敛了
0 g' e" l% c+ l5 _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。