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：
----------------------------------------------
* H! }+ s' B7 vimport torch
import numpy as np
import matplotlib.pyplot as plt
8 f4 C" {. E1 _" j- p5 q% uimport random
( W9 Y# J' X  k- @8 f
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

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
* ?! D% ?7 s- v) A! kb = torch.tensor(0.,requires_grad=True)

$ c; h+ a0 m3 P3 _1 ^epochs = 100
4 Q; g! o# {. N  i1 w( J
losses = []
! S7 F  U" G* y& e! D1 Dfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
$ w6 {! C. P5 ?7 @& q5 H  m
  loss = torch.square(y_pred - y).mean()   #计算 loss
4 c+ R( _# T, N* P( C( f: i$ |  losses.append(loss)
8 i, a2 F" r5 ~# g0 x  
) o' H  c/ ?2 I" k- X  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
5 P2 X7 K- o* ?    b  -= b.grad*0.0001    # 回归 b
3 i# w6 K5 m# N( X1 @  Q  w.grad.zero_()  
8 Y- `% G0 T& r) I$ h' \# H  b.grad.zero_()
# w7 t& z4 R" _" P; O! O- f0 ]! f% O
print(w.item(),b.item()) #结果
9 {) ^. v, A% L5 S' S& G
, a4 x9 h1 e+ D" tOutput： 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？
# u# L, ~5 O( Y7 l, E

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？
2 {1 A- L2 J6 ]' g0 w0 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。
  v5 j# @/ x7 `9 ^) i+ g-------
/ q0 t" X  s7 I2 C. J0 M1 O) o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？
/ x% v& a3 w: ]- x$ j: S, y-------
' J& W2 S) G1 Q. Z% Y7 u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

2 K! D) N5 t% v' f0 S2 r( v! x

雷达 发表于 2023-2-14 21:52
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 ...

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。
: u+ S) e8 s2 S' V" i* F- T/ {1 O
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。
* H$ W7 V2 Q4 O' b/ I& V3 x& W4 u% G
. z2 y4 ~6 G( T; Z或者把b但的起点改为1试试。 ...

5 S# Z: g. p/ Y7 V$ ^. w! `! j/ g
你是对的。
% J; P* ], W' j6 `9 W( z去掉了随机部分
$ w; b% @2 c6 o: c' g# \#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
2 m( m8 o; _# E" H8 W5 Yw , b
27.002620697021484 14.826167106628418

) L  T) ~: }+ F  X' e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。