继续请教问题:关于 Pytorch 的 Autograd

雷达

: x9 U) s2 b8 o7 [! l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
import numpy as np
. j. @' G4 ~+ Z/ r; D+ c; i$ g$ N- ?import matplotlib.pyplot as plt
import random
: a9 s  B+ _. N2 N" O$ U
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 = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
, Q  u2 X" t" {; @& ]! {
epochs = 100

losses = []
; [. {1 y) ?$ L* s' ], c& L9 mfor i in range(epochs):
* q2 ^6 C2 Q/ M& n# S# u8 {  y_pred = (x*w+b)    # 预测
6 D. e  e1 L' c, x, M& B( `3 G  y_pred.reshape(-1)
/ Z( f: j/ p9 ^: r
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
9 w# F- Q  ^" U9 \5 }4 c  loss.backward() # autograd
  with torch.no_grad():
( T* d& l* q1 j8 `3 {- W; [    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
0 w! A. N( s# N) m) [7 s1 k
print(w.item(),b.item()) #结果
+ D1 @9 k- @4 H  {  a0 Z, j% n
- K  O  Z! s. bOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
! J; t0 n8 n# ]* e3 x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？
0 b  o, R9 f* Q

老福

6 ~2 }. D* D; {8 [
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？
-------
  V9 d  L+ c- c( f  ]3 b& E7 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。
, t; ^/ I  c! S-------
. P* f6 ~* W1 q/ ]+ \5 j2 b, 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？
; R. p% K( Q' i! V2 u-------
# q0 e; ~: d0 N不好意思， ...

* f& V1 w' ^& F" ]3 i8 c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
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 ...

  U; g; n; d9 s
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。
6 E  l/ M, N" e: b" o
或者把b但的起点改为1试试。

雷达

/ @$ }& v4 }: c/ V, F! [  [

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。

/ r, _; r; @6 F) O或者把b但的起点改为1试试。 ...

1 c$ r1 a8 g( d  y7 |你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
% f8 z/ l! m% F9 I
* A: h1 b7 Q! V$ j循环次数加成10倍，就看到 b 收敛了
- z, M2 x, m1 X; `7 ew , b
. y$ d4 b! ?6 L. P8 L$ \) _27.002620697021484 14.826167106628418
7 }  C3 v9 \+ u9 Z
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。