继续请教问题:关于 Pytorch 的 Autograd

雷达

' ~. G5 Y2 K- V2 m
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：
----------------------------------------------
; W7 R! i# L: e$ U- i$ i# ^import torch
import numpy as np
import matplotlib.pyplot as plt
8 o0 x& o% F/ c% m0 N. V  b& Ximport random

x = torch.tensor(np.arange(1,100,1))
8 w3 D  B  w3 Fy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
( I3 X5 h: i. C
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

. @+ |# u( D1 F1 Nepochs = 100

losses = []
3 a  z4 K8 p' U/ W* Jfor i in range(epochs):
+ r# W/ O+ l* S$ ?  y_pred = (x*w+b)    # 预测
) U: V8 \# `9 h) D  y_pred.reshape(-1)

# m( u4 w+ V$ ^# k! h  loss = torch.square(y_pred - y).mean()   #计算 loss
2 @3 t# h% ?) \% i& R8 n0 m  losses.append(loss)
% m7 i* _; }2 Q9 p8 C  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
, \1 _& u% b* y$ i  w.grad.zero_()  
6 B* l% E  m3 h1 W  b.grad.zero_()

print(w.item(),b.item()) #结果
( h5 A' L. E) Z
Output： 27.26387596130371  0.4974517822265625
9 x" Y# i; t: V  {5 v: C) Z& 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？
% D& ]' o6 D; M3 K9 p

老福

- h3 C" L. k; [7 V6 n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 {$ A9 b1 h- u7 b, L$ [: {! p& `7 S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。
-------
  X. S- v* \: ?; `9 `6 }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。
1 B' q( _9 z+ g& q. N* d9 b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

# {5 [8 v. `: t# t7 C

雷达 发表于 2023-2-14 21:52
谢谢，算法应该没问题，就是最简单的线性回归。
0 z6 X! A3 Q( H9 x! ]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 ...

. J4 O& N2 y# l& p/ Y( S) |1 @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。

, R5 v4 k* _2 [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。
. P* ?" O; H0 v$ P+ j& E6 `
+ u) I5 o; h( F! S% D或者把b但的起点改为1试试。 ...

4 a% [1 y% r3 }& h$ Z你是对的。
5 F+ M: N. N* L6 R% {* l9 T去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
& R) u1 z' b- D9 B% q. m
6 C9 D5 r3 v: X& P( N$ H循环次数加成10倍，就看到 b 收敛了
2 [" ^' V- s7 b. O/ G- ?# ]w , b
27.002620697021484 14.826167106628418
2 P5 e7 K( m0 S; c+ m0 h9 S
  f! ^: O% P9 j" M* G9 c6 O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。