继续请教问题:关于 Pytorch 的 Autograd

雷达

0 F5 [4 b0 a2 |  v$ f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
) \6 I; \6 z, E6 |2 `: L( d5 V- Eimport numpy as np
import matplotlib.pyplot as plt
import random
/ Z5 G5 ]8 C4 ^7 P
5 ~; s2 ]; G7 Z: v8 \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
/ W& S; r( F, d, b# b9 t. w
$ w9 t3 ?; U/ y. _$ Iw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

9 B( e5 w. T, X. y4 Pepochs = 100

' r! y7 B) |( h/ T0 a% Zlosses = []
0 D# ?) C# P  G3 u& N5 vfor i in range(epochs):
' g5 ^3 C8 [4 z! ?8 s2 V, Y  Z  y_pred = (x*w+b)    # 预测
" h  \! n+ J. t/ P/ t# e% }! A  y_pred.reshape(-1)
% r: Z8 f9 |7 |0 O
  loss = torch.square(y_pred - y).mean()   #计算 loss
9 E( u4 V) Z( B( f  losses.append(loss)
  
- r5 d& E* B3 _7 O' A& n( L0 Z  loss.backward() # autograd
  with torch.no_grad():
3 d0 o  \+ f  H) _    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
# Y& f/ j. F1 ]/ U2 u  b.grad.zero_()

print(w.item(),b.item()) #结果
$ \1 }% f5 ]% |) S/ S; T) V
  C) ~% \/ C3 g8 C9 k$ }! `# @; GOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
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

3 j# g9 t6 {( p8 {
; r" M- J3 h1 p! c% U, D/ I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。
, l3 t8 @9 U* T+ s-------
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
/ i0 z6 B9 T0 I4 g" d; A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。
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
0 f$ d0 `+ f' D, t8 y1 E$ Y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 ...

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。

( l7 m/ n% N, b2 g或者把b但的起点改为1试试。

雷达

& w2 G, T! C& h) d" b5 ]/ ~/ E/ h) C

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。

或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
) h) P% k. D$ }* Ny = (x*27+15).reshape(-1)
& |$ O2 v) a7 ]9 J- _: h
循环次数加成10倍，就看到 b 收敛了
0 Y+ S. g. o# H" B' t5 Xw , b
6 w. ?, i2 |7 D( k; v. W27.002620697021484 14.826167106628418
+ w' w; P* s9 Y3 d; [
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。