继续请教问题:关于 Pytorch 的 Autograd

雷达

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：
# z) i" I" n- o+ F7 U2 u----------------------------------------------
& h% J6 Q9 O, P7 u: _0 X0 j* Pimport torch
' T% D/ S+ v( u0 F& e4 P+ s1 Aimport numpy as np
import matplotlib.pyplot as plt
import random
( a# K: K- y" l: R& B+ B3 T
x = torch.tensor(np.arange(1,100,1))
0 u# K9 v7 z- i! S; e* |) k0 t; By = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

% o. g. u$ h$ pw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

- K6 K) u0 X- t7 j- Mepochs = 100

losses = []
: d" e( J7 D, g6 S9 G. cfor i in range(epochs):
% h# l* c* O  r/ ~+ D: [  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
6 s/ i% D7 l- `- p, {9 A  losses.append(loss)
$ r0 d! Z( W( X& o4 g1 V* f  
  loss.backward() # autograd
  l0 x/ Z0 K$ @  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
' B1 M2 M2 j+ v3 V    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
& r- A( f% l$ g
print(w.item(),b.item()) #结果
0 ~5 J! `9 D* r5 O: a
Output： 27.26387596130371  0.4974517822265625
: @4 G* v# a+ b: u& v----------------------------------------------
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？
+ _- q* ]5 ]0 B* u% j

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？
-------
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。
1 T# d& J% @! h, w- p+ A-------
2 k. Q8 m4 l. [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
1 B7 i- X& a- T' M: o; q! z4 z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？
) V+ Y% P5 ~" D: m" Y-------
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

雷达 发表于 2023-2-14 21:52
" v/ V+ z7 F- a3 a7 T7 X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 ...

8 c5 _: m$ k2 R4 ~& s' R
' v- u4 P* Y6 T6 |2 F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。
1 U9 ]! e4 `6 J% J$ L
& ]2 p/ n$ o* H9 N( \. _  o8 ^6 @: q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
% ]( }9 {/ F7 N- \' `1 }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。

( t+ b6 \5 S/ m) M0 A5 a* I) J或者把b但的起点改为1试试。 ...

你是对的。
* S. K$ s. q3 D) B  }去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

8 s' m8 d5 v5 |+ X( k3 ]( h循环次数加成10倍，就看到 b 收敛了
w , b
! v/ c: A2 k+ V7 I27.002620697021484 14.826167106628418
! P0 D+ C7 `& u1 `
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。