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。
. \* _# p3 ^7 cPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
import numpy as np
1 B4 b$ R/ C* d: i% Aimport matplotlib.pyplot as plt
import random
; m. p+ l* r1 h1 U0 K0 V1 [- n
x = torch.tensor(np.arange(1,100,1))
1 {4 f2 ?% o& {& ly = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
/ C5 C+ W2 R* y& d1 H4 P
! n- [5 z8 T8 B0 r% v$ y( Q" uw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
6 T- }' y& {& a# r7 m  A$ Qb = torch.tensor(0.,requires_grad=True)
5 I& B3 }# h% j. F
epochs = 100
& |1 k  {  Y; a6 w2 h: Z
losses = []
& H9 `( p( g) u1 `4 t% K, M$ hfor i in range(epochs):
$ U8 ^' H! M# _2 u0 o# O- ~' ~  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

5 B+ T* F9 Z* N+ ?1 {  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
$ R8 n: ~  z$ b1 M, P: I; W* m    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
! J9 `( b, i4 J. I  b.grad.zero_()
# q: V) I; T8 V% ~  M) @) L
print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
) t1 K/ A) O: ~. x----------------------------------------------
3 T: v% l" ~; G+ }2 g% H8 Q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？
9 }% N1 L# F9 D2 a+ ?8 D

老福

* P  O* L1 |% Z! w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？
-------
! V: k/ |* a$ d* Z3 S4 U6 C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。
! o5 o( ]( i+ s  O) t-------
$ U* l' H% q! H! b* }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
/ [& d% \' `* ?& M" |  z' }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？
9 @& K$ y) n! T-------
* A* Z+ S7 L. J不好意思， ...

! F8 s1 e# ?4 \8 S2 D7 p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
. u- @9 T+ e$ {; I, d" g$ y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 ...

- N' Y4 A$ B  k6 x2 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。

5 F( q. ?) t0 a  Y$ j! s8 K或者把b但的起点改为1试试。

雷达

* s% O) h0 \) X) I% G

老福 发表于 2023-2-14 22:00
. L, a1 n9 N& e9 W. O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。
8 h# T4 R2 o2 D( J5 X+ z4 E( M
或者把b但的起点改为1试试。 ...

, l9 S, T" Y, C: ^: q
% h! r9 C0 S* H4 i你是对的。
& N  c% k; y" |" m& p3 L; O3 b去掉了随机部分
: H. W9 ?: [" K#y = (x*27+15+random.randint(-2,3)).reshape(-1)
8 L* v& x; E4 d1 i1 {y = (x*27+15).reshape(-1)
" ^' E7 f" P; `' e3 q
8 R3 e& z% b5 G. g4 \循环次数加成10倍，就看到 b 收敛了
$ e) U( g5 U$ S4 T6 m) ?; y% m8 Uw , b
27.002620697021484 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。