继续请教问题:关于 Pytorch 的 Autograd

雷达

. D1 i6 @7 Z- t+ ~' W- ^. m5 n
* V1 W+ g9 \  O( g$ w为预防老年痴呆，时不时学点新东东玩一玩。
8 H0 T0 b" Q* |  a$ ^* C  }% dPytorch 下面的代码做最简单的一元线性回归：
1 B/ ^7 {) x9 l8 {  N0 q3 `----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
# M* Q9 T7 e: G' Rimport random

0 |0 {/ y- z- T( i* m- Z4 yx = 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

0 Z% x% N, V6 ~; b& p7 A' h' bw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
% `8 j9 Z% E1 X3 [* J" {7 _) h, R
epochs = 100

losses = []
& ?3 D+ k: G1 B/ {for i in range(epochs):
  x# m' [0 u! S8 t  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
; d7 R# U/ ]( q  V6 ?1 K2 d  losses.append(loss)
, O  m$ O4 b5 Y/ p! _! h( X  
  loss.backward() # autograd
) G: H! o9 ^/ Q) F3 |  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
9 s! v& H% \0 ^* [  w.grad.zero_()  
  b.grad.zero_()

9 c; L' f% O" m. ?  O  u) k- Yprint(w.item(),b.item()) #结果
. e1 A5 e7 e" B6 n/ c9 ?/ O
Output： 27.26387596130371  0.4974517822265625
) l/ R- A" ~2 A$ v----------------------------------------------
+ X9 n4 f  X2 v8 V+ c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？
9 I: _. `9 b! l

老福

' j& N* I  z0 e# Y" i9 D/ }$ R
( F/ t/ q) u2 g9 f: s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？
-------
- g6 a8 C* A$ N5 f( s& L: x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。
-------
: _5 Q% e$ R# A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？
! t8 {* F! Q+ m; l7 b9 j' J6 N-------
不好意思， ...

$ ~; q5 H1 g! Q5 P  P8 B, W谢谢，算法应该没问题，就是最简单的线性回归。
* |- \6 E* o$ K: {' [" s% m* F2 a$ w" L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

# O. B8 o  k  y" d! `

雷达 发表于 2023-2-14 21:52
' k! w$ x" }9 n$ s, l5 m1 a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! G* b9 X; k2 r# o% p- I
- E) p# N( s8 d  l. _0 N: 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。

雷达

老福 发表于 2023-2-14 22:00
- f6 `2 E. }' s2 d% T1 L/ 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。
" R; A( `# E$ H3 s  |
或者把b但的起点改为1试试。 ...

, }) k' W( B  A" z( t( o' k4 r% \* b你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
. q% l9 Z6 X2 q7 {5 k' ]# e! x: t2 }5 \- ky = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
5 Y- G0 u6 r, y7 Y27.002620697021484 14.826167106628418
  Y7 z1 F) C" X7 ~1 G
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。