继续请教问题:关于 Pytorch 的 Autograd

雷达

& x- ^8 |' n( V
! y5 p" H2 ]! n# a  _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：
----------------------------------------------
import torch
import numpy as np
) t) I/ |1 N$ e5 q$ fimport matplotlib.pyplot as plt
9 t( N1 S8 L2 g+ e- Uimport random
! w- Y% h2 U- M  ~6 \" e
7 o5 F1 o3 L! L1 i3 y9 R  Bx = 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)

epochs = 100

losses = []
0 r- B; n" o# Zfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
8 ~5 K. z, x9 A; w  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
) B6 J' x3 Q9 B' ~/ A# t* H& a  
8 C0 l0 T6 `5 A# H; _  loss.backward() # autograd
1 C1 R0 j( x& M, {# K9 {3 L9 z3 ]+ \  with torch.no_grad():
0 j' X. l" l6 w# c. D9 N$ @3 F    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
* f8 @- T# v/ o& s/ G" v  w.grad.zero_()  
& o6 j& r7 H( ]7 w$ M7 |$ {0 E  b.grad.zero_()

  z- I" n. k! l: B4 Xprint(w.item(),b.item()) #结果
/ e2 z$ ^& T* I/ t; ^7 T3 G
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。
7 j) T: W* |* ~$ x7 x  X1 k, V' X7 J高手们帮看看是神马原因？
) y) v( G- R) ?$ V

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？
-------
* N7 {- |) n4 j& h4 f* r9 e$ L$ {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。
-------
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？
! C/ ?" c: a6 v( }: }; A-------
9 I8 _5 i7 {, S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

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 ...

# @$ Z9 [" q0 r, t  B( g7 q; `
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。

雷达

8 V* O: t6 L% c/ i) F

老福 发表于 2023-2-14 22:00
# o( d, H9 u% b' R( e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。

+ w( P+ g6 T# s- [6 i! {或者把b但的起点改为1试试。 ...

7 E: n0 I9 M: ?: ]/ \# C你是对的。
) g8 w  T/ a9 C8 ^去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
! d/ k3 |6 Y& \; a3 b' i$ xy = (x*27+15).reshape(-1)

0 o5 A) w4 r# g$ N( l循环次数加成10倍，就看到 b 收敛了
w , b
7 H& Y, G" P, d: G( s3 N27.002620697021484 14.826167106628418
& R/ \* w/ G. r  m- Y/ [0 ^
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。