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：
----------------------------------------------
9 e! q4 S0 f5 j9 fimport torch
import numpy as np
import matplotlib.pyplot as plt
import random

x = torch.tensor(np.arange(1,100,1))
" m$ |+ O* L8 [# b, h* e5 sy = (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
' q" i. @+ v; l7 d) d0 Pb = torch.tensor(0.,requires_grad=True)
  E+ T- n! l* p+ W3 l' A
epochs = 100
0 }0 T6 V/ s+ \$ `
+ `! l/ s6 O9 _/ H& elosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
, k& ~# N, a/ ]  S8 v  d0 o# Q
  loss = torch.square(y_pred - y).mean()   #计算 loss
# b. v# U$ E& C6 Y! ?" `  Z& N* k  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  _, H* m0 X/ e0 F. ]: W# x+ N6 I  w.grad.zero_()  
& k% W* T; ]$ _6 Z  b.grad.zero_()

/ P* d* A5 ^$ M4 Iprint(w.item(),b.item()) #结果
; z* ~% X3 c5 n) _) L
; L& w8 B7 W) x$ ?2 x) aOutput： 27.26387596130371  0.4974517822265625
+ W5 E) z( N' o5 o. g  S. W----------------------------------------------
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

! P. p8 j" g& C3 G6 ?
1 W  H- ]5 w0 e( _' V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？
) V3 J! F' a9 I/ {-------
, i# l7 q# ?' z$ F" t' V) q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 G2 W1 Y$ C1 `- B; v, w0 T-------
" j4 N4 c* _; a  \7 |- q& 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？
-------
不好意思， ...

' O" ]5 O6 R" _6 p谢谢，算法应该没问题，就是最简单的线性回归。
/ J. m6 w' O) |1 m: y& 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

8 M6 F5 h: I" t

雷达 发表于 2023-2-14 21:52
, U% k8 Y3 Z* B& O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 ...

6 q6 d+ ~5 H: ]! n; R
& {4 R! r5 m# p7 L5 f2 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。

5 D" n' y  u+ D  O, s或者把b但的起点改为1试试。

雷达

/ P; {0 `3 l1 U- O. v4 w2 a

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。
# ^: k/ A# ^2 E: q% X$ A
. V& R9 z5 x" |9 m- B或者把b但的起点改为1试试。 ...

, n0 _( S  ^% |! D7 R你是对的。
  ?! v- U6 `; J9 ^/ s- \8 {去掉了随机部分
( r& w2 J& G/ ?' S9 z) h#y = (x*27+15+random.randint(-2,3)).reshape(-1)
0 N% B0 D4 T6 _/ u) fy = (x*27+15).reshape(-1)

9 [2 X8 A# ^. X. \6 ?: ^- j+ _% c循环次数加成10倍，就看到 b 收敛了
7 J  n! e2 c! y9 _6 x8 xw , b
27.002620697021484 14.826167106628418
8 C3 e  \8 t1 @" t6 D
  B6 x! r1 W% l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。