继续请教问题:关于 Pytorch 的 Autograd

雷达

! a7 _) }4 v. Q* A% c+ C
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
import numpy as np
import matplotlib.pyplot as plt
import random

1 x& {- x8 B' L8 X' X, Vx = 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
3 {# m  J2 [/ C
! ?, i9 c3 o; J# L9 a3 \w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
6 X9 d0 {. N# L1 [5 f
epochs = 100

% E. D! b/ ]) S! ?$ Tlosses = []
* I/ s4 |: P! P' b' ~for i in range(epochs):
  y_pred = (x*w+b)    # 预测
; i, ]1 L3 R* Y" S3 t3 t6 w2 J" y  y_pred.reshape(-1)

$ h1 L. H! I$ i( U9 H, y  loss = torch.square(y_pred - y).mean()   #计算 loss
2 d6 I' \. W9 A: g  losses.append(loss)
0 L9 |" R, y- Z" w4 P  
  loss.backward() # autograd
  with torch.no_grad():
7 b1 q& p8 M" |! M3 R9 G. }* v) j    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
% c0 `. y+ i1 P, O/ K  K
6 a4 r! p) A6 b! |, |6 G# `print(w.item(),b.item()) #结果
) `& h2 w# {8 p) B
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？
2 `5 D# S9 G  q+ w  W

老福

4 Q: N" t; W/ O
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？
# A  O( _9 f0 z% ~( M- g- k% {-------
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。
5 r7 {1 f" m1 Q( f-------
2 A0 Y+ |' D3 I3 s% {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( |; P; `$ v$ J. E! K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 p! j' }4 F" E0 v3 }6 x-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
0 h4 I; @: T0 s- s0 O2 H6 [9 C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
; a6 Q$ M# q$ s+ Y谢谢，算法应该没问题，就是最简单的线性回归。
& Y" r/ b: d3 n7 R8 K; E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 `# N7 g! B. ]! ?* x
% K( @4 L- ~7 C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。
: \7 C8 h; i0 C5 T) z, s5 g
* o5 i* O. z' Z1 K. f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
+ w" \1 ]  K0 z" B$ 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。

: [4 }( ]) R( j7 X5 J2 c或者把b但的起点改为1试试。 ...

" |( a# W3 p. k6 n你是对的。
去掉了随机部分
0 V, Q4 k! Q8 I2 Q3 Z5 n# T4 M#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

; P& f5 u1 o5 r. I( C6 ]循环次数加成10倍，就看到 b 收敛了
w , b
+ P7 T8 w9 g3 G+ v% D, p27.002620697021484 14.826167106628418

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。