继续请教问题:关于 Pytorch 的 Autograd

雷达

% v4 V! ]3 b+ d$ N
* T9 R, X2 h7 ]8 T; O4 f4 f为预防老年痴呆，时不时学点新东东玩一玩。
8 h7 d5 s& w: R+ lPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
/ k  S) \4 g/ V, f0 \% ~4 z1 gimport random
/ \* z5 ^* R( Z% S; c
x = torch.tensor(np.arange(1,100,1))
; p; o& K- X7 c  y7 Yy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
, x# m( S" T0 y6 y& T1 j7 Y
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
3 m1 R& S0 K# y" q
epochs = 100
: L! o. F0 O; j3 m0 r5 v
losses = []
4 Q  g8 A! S) V1 B% [$ v4 }for i in range(epochs):
6 X) j4 ?7 M! o8 j  y_pred = (x*w+b)    # 预测
, e3 M' b# E6 ?4 c% {" E  y_pred.reshape(-1)
; r  D7 r* t; F' ?5 z
  loss = torch.square(y_pred - y).mean()   #计算 loss
0 Y) r: G7 z$ E2 M" J5 X  losses.append(loss)
  
# R( ~4 q, ~9 S/ s5 J  loss.backward() # autograd
) h$ S4 `/ Q0 s  with torch.no_grad():
, o2 I9 R, J8 W& ]) g5 U    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
2 P2 A0 u# D, p, c; d8 w/ L  w.grad.zero_()  
  b.grad.zero_()

7 D3 A8 E4 G' _& l6 F) P) e1 t4 S, Vprint(w.item(),b.item()) #结果

& |  G9 b0 J6 M' t' ?' h( nOutput： 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？

老福

2 C9 e$ t" O$ l0 p/ L% C; i
3 _4 e# A: X* p9 W# @" k  ^( A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？
% a4 T* c( q) r) @; s-------
- j0 r* b' [- `, L6 c8 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。
9 m5 `6 ~1 d. I0 y! j-------
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？
% C' Q" q9 @; p-------
  E' K5 M- T: }; ~6 m) K不好意思， ...

  u5 U! h4 Y% O5 v$ p& Z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

; D/ T. |# Q5 _; C7 \7 X/ V

雷达 发表于 2023-2-14 21:52
! ~& b8 u# \' J! m谢谢，算法应该没问题，就是最简单的线性回归。
* e1 \  a! N0 p. L5 a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 ...

+ X; x) \  |/ c0 C8 m
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。
$ n) t, U- J' f( t8 A* s( 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
2 |& E1 M9 d# B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。
7 K0 l7 I* i  o: b9 D8 q
0 A" c) g0 s: u) @或者把b但的起点改为1试试。 ...

' \" W4 L1 s1 v) E' Y2 H( @  x
你是对的。
2 T5 i3 ?3 u& Q去掉了随机部分
7 a0 C' T9 c1 J" N+ h  G' [% O9 X, E#y = (x*27+15+random.randint(-2,3)).reshape(-1)
, i; ?) h& R. s7 Q6 Q3 Q2 d$ {0 my = (x*27+15).reshape(-1)

1 n+ F* V  y9 h循环次数加成10倍，就看到 b 收敛了
w , b
; ~0 S, W9 {, Y% Z27.002620697021484 14.826167106628418

7 U: {. Z) l9 K9 {& i% B, j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。