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：
----------------------------------------------
7 _& I  z- K3 Y) Mimport torch
import numpy as np
6 h+ d4 |5 ~( p1 Q$ jimport matplotlib.pyplot as plt
import random
3 n# ]) h- z9 U; o
% c8 b0 H$ _2 I/ ^- qx = torch.tensor(np.arange(1,100,1))
& K1 ~7 Q9 `" S5 z5 _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
8 m; ~0 e5 J' sb = torch.tensor(0.,requires_grad=True)

2 e$ [* `$ U  j2 S0 ~* u: ]$ Xepochs = 100

! U$ \# f5 S3 Qlosses = []
for i in range(epochs):
/ C1 [( {4 B. p  y_pred = (x*w+b)    # 预测
0 u3 t+ D- W' l. j6 I- d' A( W! |  Q  y_pred.reshape(-1)
2 q+ r1 s- a! u( p2 p8 j, P
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
# @8 F# L5 S& W% N  loss.backward() # autograd
4 b3 @+ p% E! X  with torch.no_grad():
& H* L; q* u. S9 Y9 V) T! T    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
+ W8 v( Z9 f4 R" m) M  w.grad.zero_()  
( _- m+ V6 x; A4 Y* K6 a5 h  b.grad.zero_()

( p2 w% U2 F1 r( vprint(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
  Y$ g4 H/ d4 `. f6 l8 }9 S9 ?----------------------------------------------
  c7 c* J1 [: Q* ?  z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

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？
! j2 D' B9 P/ a0 b; e; O: E-------
/ P- a7 a- A' B  b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。
- b- U: s9 y7 A" W. ?7 ]* H-------
1 R; i1 b2 l% v1 B/ c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
& q/ B, T) R' 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？
5 W/ \' C" l+ V1 G; a-------
5 V5 n5 `9 G; q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
. P' n7 H. L+ w7 F. t6 f) n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 ...

1 V& @6 n6 n" D: \3 D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 f8 u6 N( O* v3 {. j. `; j或者把b但的起点改为1试试。

雷达

9 }1 @( h- q7 u  c) k

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。
/ A* r0 ]8 ~8 q& l% p- x/ X3 Z
或者把b但的起点改为1试试。 ...

7 [$ _0 W3 u+ g3 g% D( z. D
你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
$ d) O" i9 X. c- B
# ?3 d0 \5 P) {9 D% [. i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。