继续请教问题:关于 Pytorch 的 Autograd

雷达

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：
2 c& @" x9 X1 \2 @) n7 |; _----------------------------------------------
- n' p* P3 Z7 C# limport torch
import numpy as np
import matplotlib.pyplot as plt
8 f* a# \$ Y  p- ?& W: ^import random
: Y7 G9 H6 k+ e4 d  y! O4 d6 h5 l
- V) Z: K. _' Zx = 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
! j4 H. w% t% A- G
  y+ X( l* S8 p5 b3 v% ]w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100
9 p8 {- D* i3 O# [0 z6 O8 ^& o: u
losses = []
2 f' ?& @$ @, ~, I! Dfor i in range(epochs):
% }, E4 c: [) K+ F  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
4 }- _3 a4 t3 |' |
( Q5 b' a$ ]' Y% B$ V! p; b  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
% n5 p; ~  i! P7 u' R( K    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
9 B! O! ]) c! n* c/ c2 W' E  w.grad.zero_()  
  b.grad.zero_()
" W% e5 z, f9 P! L3 @4 t: ^
print(w.item(),b.item()) #结果

/ B1 i- ?7 [* z9 I3 x1 i3 t( p# c$ b0 O6 AOutput： 27.26387596130371  0.4974517822265625
' W, ?8 r% k0 ~* e7 j3 h2 \& l----------------------------------------------
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？

老福

( s4 y9 d: r; i$ v" U9 Z
3 [4 _1 k* ]8 q( ?4 w: J  J) ~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？
3 ?4 E5 u- |- A-------
$ f( ?: G, d4 ~; Q, C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。
-------
% P* F9 y2 i' P* V: n& i# q8 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
: r0 t/ p4 Y: r* r5 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？
/ K$ X) `; @, |0 o  Q-------
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

7 R+ M) l2 v9 `8 I. }) C

雷达 发表于 2023-2-14 21:52
% [- z, A) t" Q, ]+ }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 ...

: y; B5 b5 W& ~' N
0 F9 k, v: }6 s$ `( t, T8 i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。
- C' p7 F* \9 l8 P
或者把b但的起点改为1试试。

雷达

( t+ s0 s, @* }+ p, ^5 a

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。

; H+ \1 i: H" Q8 x) H% {5 J; d或者把b但的起点改为1试试。 ...

9 n! z7 c* Z" S6 ?
你是对的。
) O1 W2 ?( @, u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
9 l' i; m  p5 v8 d0 G" c3 X# r6 Fw , b
27.002620697021484 14.826167106628418
) F- Z! H% \6 d- B9 V
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。