继续请教问题:关于 Pytorch 的 Autograd

雷达

" l6 ~( w2 _1 @# i8 b; T8 f
) }! B% w2 T% [3 i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：
) e2 o0 ]" `7 Q$ o/ ]1 j5 u----------------------------------------------
import torch
) A/ ~" m' O. u& S5 j  @1 ximport numpy as np
0 W# n! A+ h3 dimport matplotlib.pyplot as plt
import random
3 S8 l0 t* h$ I) Z: C2 X
x = torch.tensor(np.arange(1,100,1))
# s, N2 I4 g  _" o7 {y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
' n) D& |* l$ ~4 Z* W9 Q
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100
" m5 o3 ], o( W% B/ p
: U5 s. y" e4 h: ?- d2 blosses = []
6 \* p9 @8 T  Sfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

7 h' I, M1 w: u4 {' k; Q  loss = torch.square(y_pred - y).mean()   #计算 loss
& Q* I4 U+ u' t/ f1 l0 }  q  losses.append(loss)
  
' C+ [2 q" \7 ^! w$ z  loss.backward() # autograd
  with torch.no_grad():
+ a5 r& r7 S' {0 ?4 h/ g% [) I    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
3 d  s8 v- _( z/ I
print(w.item(),b.item()) #结果
" x1 f0 h. D4 O1 {( W- P
Output： 27.26387596130371  0.4974517822265625
# d' t/ s+ ?1 o# c7 O# F----------------------------------------------
# [) q+ m% W7 _( R! R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。
: H6 y) T, _# _高手们帮看看是神马原因？

老福

% K( t- B& a0 _+ `' k* v0 P1 }
$ |; L# ^! C& @7 R" [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？
" k2 H. n% D5 Y-------
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。
-------
0 }; `5 h$ c; A7 ~4 p" ]6 M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？
" n$ A! Y9 w" h' ]  J1 j  O-------
' r5 t  |9 J% Q' D$ w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

' E' D. F1 |  b% b6 C9 B+ [

雷达 发表于 2023-2-14 21:52
5 u6 W% s5 K6 r" ^+ E0 `谢谢，算法应该没问题，就是最简单的线性回归。
7 I; _" J; u/ ~3 E0 H/ z' G( T" 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 ...

1 u4 A, w! v+ E: w! Z
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。
4 @) J: I9 p) Y0 q% A2 q% A; A
, F3 P' o+ m8 y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
; f. |' d/ Q/ p$ ~4 ?- w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。
4 ^" Z- l6 @1 I3 Y3 {
7 t: n: f1 L( j& r8 h或者把b但的起点改为1试试。 ...

" O3 N9 l3 m) H8 f( V0 Q
你是对的。
5 ^# y  c, U! d' y  z" X) A/ h' w去掉了随机部分
6 D5 g7 ?5 |/ m5 h#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
/ i6 v8 b4 i, m
循环次数加成10倍，就看到 b 收敛了
. A0 Y5 B8 |6 ?' f5 c  ^  Iw , b
5 u4 l2 x0 p/ ]7 k+ N# @: `  ?; q9 y27.002620697021484 14.826167106628418
) k8 \% t  \; j% Q
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。