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：
----------------------------------------------
import torch
0 x$ l, v3 ]; E! }# V0 D# g( C. `import numpy as np
import matplotlib.pyplot as plt
import random
+ N3 Q$ R; c& Q( z* k6 t
x = 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
8 Z( @3 R* G  e! J" b( s
! T# s& `5 I1 n$ N! h* M3 h$ ww = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
0 z& c8 }4 p7 f3 G3 E: G( Wb = torch.tensor(0.,requires_grad=True)

epochs = 100

losses = []
! o: }' _6 q- G/ ?2 P) N& pfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
. _3 U  B* f+ ^1 n) E  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
3 d. ^% d8 ~- q+ @  losses.append(loss)
  
; u8 m! d. T" {3 z: k4 i# u* j  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
2 d1 f4 R3 L- x1 i3 y
  b, p/ V: M5 F# ?print(w.item(),b.item()) #结果
. t- D7 Z  r7 v5 G& \- ]
: I( |6 H; v/ v5 ~# `. `/ tOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
2 L& C8 o; `$ z' S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？
, W7 T! e% v; i# p, I  `

老福

0 S6 _& b* C+ z! p* }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。
-------
+ F6 G" O  U! a# Z- a, T+ U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
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？
-------
4 ?5 m. R: W4 m8 l1 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

; }4 s& I1 n% H5 u3 a5 K7 `

雷达 发表于 2023-2-14 21:52
- S$ }& @/ D7 \; N7 z5 z0 o- k2 w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 ...

4 j; H6 h* u! x, Z& z# Z
5 f3 R' W/ ]( L. A# q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。

' R! \4 ]1 a7 L: X3 a9 A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。

( R4 e& k; Y/ J或者把b但的起点改为1试试。 ...

+ z. p- [5 e2 G7 k4 C+ r; y
你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
7 v3 Z8 O, ~( U$ v  z9 D8 h- My = (x*27+15).reshape(-1)
$ w1 P% x! I3 I: |% d4 q. U8 v
! v- Z1 `5 M& z- ]循环次数加成10倍，就看到 b 收敛了
  u! D) O& F' B5 f) R* p" tw , b
/ Y/ K' P: t, h5 B. [7 M27.002620697021484 14.826167106628418
% r3 q/ w( E- S; O+ e! k& a
# H0 k" O, k0 b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。