继续请教问题:关于 Pytorch 的 Autograd

雷达

6 s0 J0 H% v9 y8 B4 F为预防老年痴呆，时不时学点新东东玩一玩。
3 C. z1 I, V  h7 y! ^Pytorch 下面的代码做最简单的一元线性回归：
' N+ f* f  H) Q9 v* C4 d! m0 P----------------------------------------------
7 _6 x& o% j' A& n8 q) vimport torch
import numpy as np
import matplotlib.pyplot as plt
& V9 A: y( B8 C( y) {' Jimport random

x = torch.tensor(np.arange(1,100,1))
& C! P& j& S0 Fy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
' P8 Y( @9 X. P; p; q
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
  G/ F7 d# d1 i# q
* _  A; @9 S# U: B' S9 k5 h  r% _5 `epochs = 100
% ^- C" l/ J8 }/ O2 k
losses = []
+ C2 p0 f( J1 E3 p6 R8 Mfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
) W, u+ P; W5 }' D! ?- p2 }' ?# ^. t7 z
  loss = torch.square(y_pred - y).mean()   #计算 loss
/ Q7 X# O4 S/ k: F4 g& \; G  losses.append(loss)
  
( q. K/ \) x+ C  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
2 d  U8 u) y6 n, C7 `8 K, C& }    b  -= b.grad*0.0001    # 回归 b
+ V, Q' }  _" W& r9 j  w.grad.zero_()  
0 j) d+ @9 g3 {% p' p  q/ t: w  b.grad.zero_()

print(w.item(),b.item()) #结果
1 X& H2 ], l# q* ?: |
Output： 27.26387596130371  0.4974517822265625
, v% v2 D0 ?, g" D) w$ O; K, _----------------------------------------------
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

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？
# k- ?( M! Q: I8 l-------
$ e5 p# Y$ H( E' T' C- q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？
* S2 Q! Q- u/ i+ v0 V-------
不好意思， ...

  P# T6 a4 t4 M6 L9 I- A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
* ?5 v5 }7 F* y3 z谢谢，算法应该没问题，就是最简单的线性回归。
; t* z; l- E0 t2 h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。
' [0 \  T# {+ f% D0 Z0 ^) S
5 R4 T. r" E: H" q8 O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
. A* Z0 E& [* ^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。 ...

4 |, [8 `' G7 B; c8 t! x7 k( h& i0 e你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
  x9 O* o  ]0 \2 t# o' f( C. Qy = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
! \8 o7 J$ R6 }( V0 r27.002620697021484 14.826167106628418
2 M4 T- N/ y! l
5 H% V+ y4 g( j. A# x: W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。