继续请教问题:关于 Pytorch 的 Autograd

雷达

9 \  k; {- T- r0 G/ B
+ z; W5 z. Y" h0 m. r为预防老年痴呆，时不时学点新东东玩一玩。
4 m1 r! o# S0 D  SPytorch 下面的代码做最简单的一元线性回归：
4 H% D* x7 Q+ _' S  U----------------------------------------------
, J3 U" ^, ?1 w! s8 w/ p. limport torch
import numpy as np
import matplotlib.pyplot as plt
# A2 t7 H( L) }9 s  dimport random

1 o4 D; U( @7 q; A) L& Bx = 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)
5 \) b# _" U# W8 T7 N; g2 ~
. E: x2 X! ~* Tepochs = 100
0 z5 P: V0 ~) e
) G  D# Y0 t! ?! Z# elosses = []
for i in range(epochs):
2 Q- E% l- I: n' r8 k  y_pred = (x*w+b)    # 预测
. V" V' E4 x1 S% C  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
; m( T/ }; h4 Q0 b  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
# Z" \8 `2 r4 H* c+ f+ X  w.grad.zero_()  
  b.grad.zero_()
7 [; t8 m0 ]4 o. ?) p
print(w.item(),b.item()) #结果

9 i$ d7 ]0 k+ i* ]$ y' z) ?Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
  }) x) [4 C" e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

7 f  j( Y0 ^3 l$ t! z* Y0 t6 S
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？
3 D7 [% p, T( _) e-------
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。
-------
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
: C# y# H! @; g  Q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？
! w/ I% U9 [$ \3 _-------
不好意思， ...

( A$ y3 d% |- Y4 @0 P. M8 ^谢谢，算法应该没问题，就是最简单的线性回归。
' Q3 H8 e# B" m' y6 z' }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 ...

  r+ K' c: q1 a* u8 m% h
5 x. t0 j2 D# w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) e. X+ y1 J( ^' }3 E' |
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。
. y6 _2 N8 r, J* S2 F
或者把b但的起点改为1试试。 ...

/ b% F5 n/ j, G你是对的。
去掉了随机部分
$ \; H9 p( C* M/ Z#y = (x*27+15+random.randint(-2,3)).reshape(-1)
% {; s' f6 b3 t9 Ey = (x*27+15).reshape(-1)
5 o4 x7 \# u9 v+ F0 ~
循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
7 ^# {- Y. p8 h9 D! 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。