继续请教问题:关于 Pytorch 的 Autograd

雷达

3 ?. |  M& T' Y( y
* c' p* A* f. I4 ~. N+ O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：
----------------------------------------------
0 y& e" w1 f7 O7 C3 D$ ?import torch
' t" j6 K7 n+ U5 d) Z9 Limport numpy as np
import matplotlib.pyplot as plt
) t! Z5 p. o9 F8 C) Aimport random
) m1 S* R7 r1 y. }
6 o7 B' o$ |. {+ \: o& z& I8 sx = torch.tensor(np.arange(1,100,1))
! X& l/ \' M% by = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
& w: D) [  Q! p
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100
( l2 P7 H; h1 q2 D. {: U8 H
losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
. n2 F  ?9 S2 u6 J1 L9 z  y_pred.reshape(-1)
0 E3 p; V: O# |$ q
  I: ^$ b8 w: ]6 _# s  loss = torch.square(y_pred - y).mean()   #计算 loss
4 t9 u, L4 J5 k( M# z" w  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

& u+ P4 y; z' B1 z3 Z/ I8 uprint(w.item(),b.item()) #结果

/ C* U% q2 z* ?- POutput： 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。
/ b8 k- q7 d  Z! l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？
-------
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？
- J( O: g" t0 R0 a$ x3 j7 T; V8 j; ?-------
' S, _, A, x3 Z: b1 q7 @# U不好意思， ...

  A9 I  M; T; i4 A% Z; ]2 |$ K: }# y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。
% {4 j6 k0 L8 Y, n. }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 ...

: a+ I' G! t; H, [# M8 e
  q4 |+ `4 m9 v4 F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。

& S; ~0 P8 k/ g* Z) B+ S或者把b但的起点改为1试试。

雷达

6 @9 l0 V8 R5 Z2 g7 K( h

老福 发表于 2023-2-14 22:00
" o% f" M( R2 Z  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。

或者把b但的起点改为1试试。 ...

7 M) d1 I8 z! I. J
你是对的。
去掉了随机部分
* p% u2 b2 o# o#y = (x*27+15+random.randint(-2,3)).reshape(-1)
' G: ?0 J9 z, b/ n/ b4 U' e* qy = (x*27+15).reshape(-1)

2 a6 Z/ t2 o! K7 i  ?' J循环次数加成10倍，就看到 b 收敛了
9 W0 d  o6 R. A" w& ~# Cw , b
! x* D- k$ R* W" n$ K% s/ `/ Q27.002620697021484 14.826167106628418
! k/ t% a( }/ s7 n
- |) |+ ]8 k" s3 C8 d  d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。