继续请教问题:关于 Pytorch 的 Autograd

雷达

* F; R8 X  h' c  l; C为预防老年痴呆，时不时学点新东东玩一玩。
6 @- f- ^+ P% X$ O9 j* [Pytorch 下面的代码做最简单的一元线性回归：
$ @5 e: X4 c. c/ z$ ^" C" [----------------------------------------------
/ ]( o! R& W/ M& i, o: cimport torch
import numpy as np
( \6 p6 v0 g4 ?0 ^import matplotlib.pyplot as plt
import random

2 o( m: b% m6 A4 S( l9 Ox = 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
/ S3 a4 L# d; k9 C; i# @, ?
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
9 H" p7 N+ a+ ?7 O. U+ {b = torch.tensor(0.,requires_grad=True)

epochs = 100
2 Y, b3 P$ t% ]7 f' k
losses = []
9 ~4 o% S4 q; J) S1 Cfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
2 t( c# ~& f% ?% I/ X2 _  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
) |+ j" [( x; M1 _' ]* d  losses.append(loss)
: G# D6 G: }+ x, W4 g  
, o. w' ~; k1 r$ [! g. B# C  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
7 q, k, W) \. [* @; U6 d9 K4 q  w.grad.zero_()  
9 R* z1 g4 i% H0 |, K  b.grad.zero_()

print(w.item(),b.item()) #结果
  t/ x0 w! L% [
8 G0 z, i3 ~# m# T. YOutput： 27.26387596130371  0.4974517822265625
* S' p6 c+ n4 p' F$ }----------------------------------------------
. B: X8 z( z$ k$ ~/ Q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。
# g2 _' n  P- ^高手们帮看看是神马原因？

老福

- C6 L- y  v1 ~5 y( s) c
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？
  F+ s8 ~# Z  @-------
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？
" J7 a5 t) \# H" K5 t-------
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

2 j% R+ Q% K) V0 n2 e6 H

雷达 发表于 2023-2-14 21:52
: ~- s$ J# M! k. S5 h  ?8 _" i  t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 ...

1 L* Y& a0 W+ z9 w! 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。
& |, \8 G: s  i* g
. `, b9 g9 S7 c- t# a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
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。
# n" O3 p1 u6 D: s$ @7 p4 ]
3 T1 E5 H- O9 Q9 U. o或者把b但的起点改为1试试。 ...

6 Y& _/ d4 T8 V8 \6 a4 o! O! j! q
; S, ]/ R% H/ `# `/ i你是对的。
  v$ u, G( n* a+ m# o8 ?  \去掉了随机部分
/ v$ l8 }1 r% x6 d- f#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

: ]& J! f0 z8 F7 v循环次数加成10倍，就看到 b 收敛了
7 S: d3 ]. a! S* @4 j3 |7 @$ Iw , b
27.002620697021484 14.826167106628418

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。