继续请教问题:关于 Pytorch 的 Autograd

雷达

) y* u2 m6 g% x8 o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：
/ ^4 o+ X) `6 M- {5 p6 O----------------------------------------------
import torch
. a: |8 h! W4 b4 {  k: fimport numpy as np
import matplotlib.pyplot as plt
import random
5 W! {' [: D; {
3 _& _& R7 G2 R* xx = 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
4 A& s9 ?8 Z5 e* V2 J( Y3 s
* M8 ~% y$ ~5 d0 |, H+ e! Ow = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
; U. t3 H; x1 ?( @
epochs = 100

losses = []
for i in range(epochs):
8 k  V% z( _3 M$ R8 g  y_pred = (x*w+b)    # 预测
% @! [" N( C' n1 r8 R6 J+ M4 i" v' c  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
3 c5 V# \+ ?; t/ N( `  
3 r' A) r) r, s4 l3 R) k  loss.backward() # autograd
7 U( Z" y  b7 s- `  J& q% q7 A4 X  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
0 W$ {/ W# r+ ~, A# _    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

+ y- h# ]- T5 `# M+ Q) sprint(w.item(),b.item()) #结果
$ g* `: G! S1 u# [3 \
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 t6 H3 v- y/ ~

老福

7 Y8 V( z- E/ Z, F* T. j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。
# ~. s4 H7 N( u1 Z/ L-------
  i8 m, z% K  H- 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
) Y: N4 b5 }8 Z# Y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？
: B4 o9 f7 w4 l2 O6 J0 q-------
不好意思， ...

, y) g4 ?- ]( m$ b5 z( y  Q0 q' G谢谢，算法应该没问题，就是最简单的线性回归。
4 `0 D: F) V: N+ J1 v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
$ N8 I  a  X; m9 j1 Z9 ]: U* 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 ...

# x3 Z9 N$ R& @% x6 q% ^" k* N+ p" K6 X
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。
: w# J9 Z. a% C
6 p+ o) F0 X; P6 ?5 U+ w5 X6 W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
5 n2 [7 m& f2 D, }1 F* W) T. k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。

% X% e$ b  C7 E6 e或者把b但的起点改为1试试。 ...

, E& o3 O" m7 l# Q
1 Z8 o1 D5 I6 c3 l0 l2 l7 a! Z你是对的。
去掉了随机部分
/ E2 N3 _) F& i/ k( ~4 F( I1 n/ E#y = (x*27+15+random.randint(-2,3)).reshape(-1)
; }. g8 d4 }7 _% S) h1 O5 Iy = (x*27+15).reshape(-1)
5 S  r( h+ @* n, s
循环次数加成10倍，就看到 b 收敛了
. l* d+ p7 _' k4 ?- x+ S9 f6 sw , b
27.002620697021484 14.826167106628418
, ?% e# J/ i! h7 U4 K+ t3 _9 `- x
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。