继续请教问题:关于 Pytorch 的 Autograd

雷达

) e( a9 D5 t0 `9 ]; L4 W
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
1 u2 ]5 j+ C1 Pimport numpy as np
( e! r4 `$ B, ximport matplotlib.pyplot as plt
import random
+ A7 \3 m3 s' X( n' N
# H$ o1 ~% U/ I( y  nx = torch.tensor(np.arange(1,100,1))
" t9 t# M" x8 Q& v( j- s1 M( }y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
4 B& s; m( ?! k1 Z
* J$ u, e6 a# g, X9 y2 [9 E& [0 cw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
2 t" x2 N3 r- K0 o* C
2 d( v" x& }0 T: |$ f0 T! M- Repochs = 100
) {! h7 y# Y# j3 C! [  b
& x0 N/ ^/ S; B& y* c7 zlosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
& z- ^% H7 m; w/ Q  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
( A8 c# z; d0 l: ~/ B! F  
  loss.backward() # autograd
5 Q2 _( \! G9 i  with torch.no_grad():
9 N% u! h4 w0 ^9 y    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
5 ]* @8 n7 {) P5 D% c( o  w.grad.zero_()  
  b.grad.zero_()
5 ^8 _2 x' u0 Z4 s( d
print(w.item(),b.item()) #结果

* }4 \8 |% y, aOutput： 27.26387596130371  0.4974517822265625
- m; s9 R5 g! r( A2 J6 `----------------------------------------------
, g" V0 Y$ Z0 o  {% T. M% r& @) T5 X5 |, _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 \0 `4 O, K' c3 e6 C

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？
-------
$ |: _5 d7 A& X  M+ x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。
-------
% L, t- J+ z4 s8 z. e/ U- R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
, b& z' P5 H" {4 }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？
1 E/ i" b% k$ a5 Y6 V-------
  Y* @1 U5 A, m' e不好意思， ...

  U4 r4 ]0 B+ f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

! u# \1 v$ K* r3 u; f+ J" N

雷达 发表于 2023-2-14 21:52
) S9 _( o# o: N. G& E0 Z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 ...

3 K6 G( k0 m- L) y! C; u4 H8 o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。
9 \: }. u  D8 m. A
* V! d4 N9 N4 K或者把b但的起点改为1试试。

雷达

+ k8 p" _2 j& J

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。
; c' i* Q, e; O8 v' O% d5 w$ H7 I
或者把b但的起点改为1试试。 ...

8 |) B! u& Q/ ]( `0 x  y5 O1 i
- T0 F5 y  X' j9 ]$ M% c; l+ H你是对的。
去掉了随机部分
$ M$ p! {$ P' J9 N$ }! p2 S#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
& C# w( M6 s" N) P  q4 \5 m: d
循环次数加成10倍，就看到 b 收敛了
5 x3 I. g1 F2 F+ Q, f) `w , b
27.002620697021484 14.826167106628418

9 p0 j/ D$ ?0 u- q0 w# e2 }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。