继续请教问题:关于 Pytorch 的 Autograd

雷达

# M* P: p2 o6 H7 v) j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：
----------------------------------------------
import torch
7 R- J/ g3 I7 s; n) oimport numpy as np
import matplotlib.pyplot as plt
import random
) U) S% `( m5 [( b* c4 t  j* L/ a
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
8 B: G! F  Y% i8 J- A9 `! f
& U9 W9 v" |4 k- v8 \0 \3 n; Hw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
, R3 q4 r$ _4 m' C0 H/ F+ U; Q
2 j( h* C  p7 W' x: s' Xepochs = 100

losses = []
8 i5 t: g' k4 Lfor i in range(epochs):
' C# O& Q* \0 S7 A  y_pred = (x*w+b)    # 预测
5 b4 H/ r6 e' \! p7 h  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
; P" Y4 x* N2 x+ N% ?  losses.append(loss)
/ K3 \* M. X. Q. n7 ]+ X  
- y$ ~1 e! l3 x$ d" A8 @: g  loss.backward() # autograd
( ~: X0 Z+ Q6 C/ C% J  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
& ]. G* p4 S$ X% j# c    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
/ T0 O7 ?6 h2 q1 Y) v3 c: O  y----------------------------------------------
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

2 t- N4 A8 d% z( @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。
+ @1 h1 S, y( P% Q: P-------
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？
-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
) R2 {5 W9 y$ W8 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
! T7 E. y3 W$ W1 q! {' e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 ...

, ]* w$ l# e' `9 q" y* v) |
" z/ o" ]# `% a+ ^( 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。

或者把b但的起点改为1试试。

雷达

+ g7 X) v, w8 U$ k! \( v0 R$ V, f1 |

老福 发表于 2023-2-14 22:00
; x, q: Q# M* f9 j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。
7 f# r8 `; N. G$ x9 s
6 d7 c! \2 N  q2 j+ r# V或者把b但的起点改为1试试。 ...

你是对的。
! X+ x% L2 h+ `去掉了随机部分
) v, [$ o5 g3 `& E, H" r1 H+ U#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
0 X# {3 f  s1 M% ]3 k7 \9 S
) K( b' C3 q5 G循环次数加成10倍，就看到 b 收敛了
+ C6 L7 }: T/ {7 ~+ L$ L- D/ `w , b
- n4 t2 B# ?( z2 w0 C; H% R27.002620697021484 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。