继续请教问题:关于 Pytorch 的 Autograd

雷达

& j, w+ l1 Z5 b' |5 e% r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：
) I5 r# L7 E3 m# f2 ]: t1 X3 q----------------------------------------------
4 s! \: ^* l4 N3 }import torch
  R2 J; w7 I8 |' I" n% i0 t( w3 oimport numpy as np
. o1 k; R/ E0 R5 Q2 kimport matplotlib.pyplot as plt
' h8 d5 {. [4 `6 }( z/ timport random
( T$ L) q2 a' \5 l$ t7 T/ k
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
; q! w$ r7 D9 b
# J( Y- B0 \4 L+ S4 _w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
- u& B* a" w4 O  m0 u. \" I3 S
epochs = 100

losses = []
+ `# D, j, @6 P. `! D: ufor i in range(epochs):
  y_pred = (x*w+b)    # 预测
' z, E& O* ~: \! f8 j* w: @  y_pred.reshape(-1)
8 A, d/ K/ A5 I9 y8 r  \
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
' ~; H! o4 @' ]3 p, p  loss.backward() # autograd
; t( c, a$ t( }9 _  with torch.no_grad():
1 X& \7 P0 ^1 u0 W. r" ?& L    w  -= w.grad*0.0001   # 回归 w
6 h1 }9 S+ ]" g4 ]    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
2 S3 F" X$ O3 W' N
print(w.item(),b.item()) #结果

Output： 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

% P9 G3 E/ t3 n' {8 c) V% f
+ d) }8 [. {1 c6 H& P  D7 Y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？
/ J% L- n$ d- a-------
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。
9 e0 m/ N' S) n2 r! n-------
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
) T2 c$ B0 D" c% C0 [! E! Z. y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 Z5 G/ A  ~; e) ]: [-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
3 ?5 W3 c) M% w. k8 |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

8 Q" L1 e3 A) ?2 M' P- w

雷达 发表于 2023-2-14 21:52
% x' d0 h( c% 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。
6 B1 V2 H' @* \
& W/ q* z" x2 Y2 |' I1 z$ ?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
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。
5 H& H) {0 y, P0 O; w0 M. B
或者把b但的起点改为1试试。 ...

1 P+ x9 z6 t' Q2 }4 O8 R: k% z( G
0 k- V; W. x$ M9 B, r4 O你是对的。
去掉了随机部分
# |" i3 f/ ]' }4 ?, M#y = (x*27+15+random.randint(-2,3)).reshape(-1)
2 ^/ K. e. Q, i! f+ {' N+ xy = (x*27+15).reshape(-1)
- m5 D* G; I: c8 Y4 h4 |9 W( S2 O
! k- L7 F& T" n循环次数加成10倍，就看到 b 收敛了
w , b
7 a  U$ p( x3 p% `# k7 a3 @, C27.002620697021484 14.826167106628418

# N1 K: t' ~/ p+ a) T8 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。