继续请教问题:关于 Pytorch 的 Autograd

雷达

# w2 i1 s+ y6 \6 X. \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：
% I0 r1 A" t1 k: Z----------------------------------------------
import torch
; o2 O& S0 N8 M* d6 D( T# Gimport numpy as np
  r8 K* h2 s1 h4 q3 g6 ?import matplotlib.pyplot as plt
import random

" X2 h: H) w. [+ K3 Mx = 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
3 H( A2 u' q- Y6 c! G9 Db = torch.tensor(0.,requires_grad=True)
) }( T7 ?  }, h3 x2 }
( R( ~3 m, ?' Q8 |  c8 c+ }1 @epochs = 100

losses = []
: o) J2 F1 @4 n3 h/ dfor i in range(epochs):
0 M* N, ?8 K( ^2 G/ O  @  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

: r2 g* t' [( w  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
% n2 V* V& T1 X) A  
  loss.backward() # autograd
. m) r: M" M7 ^; x  with torch.no_grad():
5 I0 A: E- z9 z2 ?    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
; t1 e0 [  y) `7 t# D% E4 ^  b.grad.zero_()
' ]- X2 w6 ]" G  B/ P: c
: a+ C% O6 ?) @+ s" {print(w.item(),b.item()) #结果
" f3 L% G0 i1 k1 D: Z* S2 r8 b6 i
Output： 27.26387596130371  0.4974517822265625
. Z4 i6 c2 P/ L----------------------------------------------
& |5 R7 ^' [% l1 v  k" Q) I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？
; R4 N; ]6 J% n

老福

& L! z' h; p# I( E' b! m  r
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？
( U. ]7 k" Y3 d) B6 ~5 a2 W-------
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。
2 j8 b- i8 s2 T. ~* A& [  R-------
7 Q+ c& ~6 ~( [4 n1 b) f) ^/ D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
+ e! A- I3 G: n" a# c- U4 n, p; I+ B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， ...

: V, W: c* ?5 p' a谢谢，算法应该没问题，就是最简单的线性回归。
7 _0 U4 q/ b& }0 |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。
$ P( m& w. \( B  E9 U8 O: ]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 ...

% Q$ \  J  ~0 l( j! ?) e; u
0 D& H1 U! i' `, ~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。

: \( A" h6 g1 D( }3 ]7 J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。
+ L2 n  }) ]- C+ Y9 g: L7 e
或者把b但的起点改为1试试。 ...

你是对的。
$ @; c9 @4 n  ^7 U& E! E去掉了随机部分
# D; }* A6 b" C% N#y = (x*27+15+random.randint(-2,3)).reshape(-1)
6 `. A" @) o1 y; f! zy = (x*27+15).reshape(-1)

5 {$ ]0 b3 V" G3 i8 J/ N* p循环次数加成10倍，就看到 b 收敛了
; G& L; ~8 r+ ~' Rw , b
27.002620697021484 14.826167106628418
/ ~1 O) ]+ e" Y% r+ a
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。