继续请教问题:关于 Pytorch 的 Autograd

雷达

& g) G: t2 C& i$ r  u$ \# _6 U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：
6 B8 o4 i' i' f* o, \2 w" R----------------------------------------------
import torch
import numpy as np
% y) q% \8 I* \$ c% d  Iimport matplotlib.pyplot as plt
import random

x = 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
3 x) p. e8 `0 K! n
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
& M) W; }" D6 b3 W. D' {b = torch.tensor(0.,requires_grad=True)

' C7 u/ T6 X3 g& G+ y# }" Tepochs = 100
& O+ k" @5 f5 I6 i
losses = []
for i in range(epochs):
. X( ^( S; ^* P" q9 Q1 [  y_pred = (x*w+b)    # 预测
& R: c1 l1 V8 l  y_pred.reshape(-1)
- r" N5 K; X( [( @
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
' R  V' t( g" b8 z, O  loss.backward() # autograd
  with torch.no_grad():
) U; g% H+ ~  \5 E/ W4 ~    w  -= w.grad*0.0001   # 回归 w
; `! Y1 O. A- ?( v/ f3 p    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
, F6 ^6 U0 o; d  V  b.grad.zero_()
- M( d1 K8 I; c' N/ m. Y/ T
print(w.item(),b.item()) #结果
9 E4 |; I  H4 e' z# [! {# [
Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
3 O- m& Q$ V+ q7 |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？
0 `" W# u4 }4 N/ A

老福

2 ^: s' n+ ^0 O" s6 n
7 l9 R" \0 C# Q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。
- C7 y3 o  g# j& f3 z-------
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？
0 W1 l8 R& Q4 p+ K, m" S4 o-------
3 a6 C, S: s$ V8 V$ P8 W0 g  @) `不好意思， ...

9 L/ ~9 d' |% ~- i3 E谢谢，算法应该没问题，就是最简单的线性回归。
  ^! \- n) z# S8 j4 y- p" 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
- e8 A. t, g' A. I: ]% B4 ^0 U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 ...

  _! P% L5 y# 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。
: Z4 _/ \0 `8 L7 l9 b
或者把b但的起点改为1试试。

雷达

* v4 q( U) }1 N; N; A. h

老福 发表于 2023-2-14 22:00
& A1 F/ `& }% W1 X3 D% R! \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。
" j! ~* R  r! q) j! Q* P5 W5 S
或者把b但的起点改为1试试。 ...

2 @4 M0 Q0 x' J/ \' F你是对的。
$ i) U2 s+ Y0 v$ \) \- k去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418

) a0 w0 Z. V  }. B: \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。