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。
( j2 w8 ^* U& u, K; c, ~Pytorch 下面的代码做最简单的一元线性回归：
) X! n8 ]8 w" ]----------------------------------------------
import torch
  w3 t9 V+ {0 Z! O& [import numpy as np
/ [6 B8 B: K- w5 m. {9 J9 ^& }+ gimport matplotlib.pyplot as plt
3 S6 w5 P) e  }6 X' D2 k9 ]& Simport random

6 s; P( I( F8 n3 vx = torch.tensor(np.arange(1,100,1))
" Y/ \9 b' F4 y' ?! H4 s8 yy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
  x" e" K; W( \2 m8 I$ i
( U: _8 N- v: `- B3 Y! G4 s2 I# p; iw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
8 L6 L# J5 A( w' @1 g! ?; B% e8 ^b = torch.tensor(0.,requires_grad=True)
- R7 i( ]1 `2 ]  X+ }9 m: [
# g6 c2 L# C) d4 X& @, E/ zepochs = 100
: q3 S0 e& _4 a/ A0 ?; ]: p" z5 g% z% ^
4 t& Y& d) Z$ f* U& |losses = []
) D- s6 \" D" O* ]2 zfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
, H( O3 L2 _3 B0 B5 `# E  K  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
. C4 C! V' S. x! J& A    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
4 G5 O  }/ F6 s( {; |  b.grad.zero_()
  A% A1 r' u+ U' A' r# [
3 i) l2 L* `7 G' _print(w.item(),b.item()) #结果
5 R. U& a* r8 D$ j1 e
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？

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？
-------
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。
-------
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？
4 Y9 V6 J7 L) U$ [) }-------
不好意思， ...

. a. k% m5 ]% B* f8 L' [6 h$ d7 G" T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

) q7 Q7 ]0 q9 L' K! k" L- y: _/ ?

雷达 发表于 2023-2-14 21:52
9 P3 R5 J& @9 [3 k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 ...

( `3 O8 W# u0 r0 I# C* Y
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。

1 k' f4 Z( S' d9 R1 L! c* C# @: D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
/ y, j, E  X: K: s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。
# q; T6 ^- [0 i( O* v- I6 |
1 q  f& b/ C4 p+ h或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
* j# I% w0 O) l. _6 T% f9 K#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
. B, }8 O9 t* I& B- G: P
) @' \3 G9 o* I9 v* c( x; _循环次数加成10倍，就看到 b 收敛了
! c9 i: m7 b  c+ {w , b
3 q- a. H+ ~2 `5 O: e1 T! T27.002620697021484 14.826167106628418

+ b8 B; a( W6 ]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。