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：
----------------------------------------------
import torch
  g2 ?, o& @+ T- N- Rimport numpy as np
import matplotlib.pyplot as plt
1 H( H# R3 g* N5 u! gimport random

) X, q0 M" y" {0 O' M1 L1 Dx = 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
. f$ q4 K" e  X3 \
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
& F# P" m- L( ?3 c3 |5 v
epochs = 100
0 Z1 s3 v1 W5 W
8 E9 G' @0 G  S5 o7 K( M& Q+ Tlosses = []
for i in range(epochs):
- \* }  ^8 N; i  y_pred = (x*w+b)    # 预测
. U7 a% A& d6 v  y_pred.reshape(-1)
* x- E1 P2 l( J: k; Q
; P; L1 X, Q7 Z7 G1 q  loss = torch.square(y_pred - y).mean()   #计算 loss
" |, i% s( R# G  losses.append(loss)
  
2 t) M6 J# \. L5 A  loss.backward() # autograd
) c0 {, Q4 E% @  with torch.no_grad():
# q8 M+ N; g6 W& k0 d9 c9 h    w  -= w.grad*0.0001   # 回归 w
3 \; \' |3 \# w    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
0 m7 V* q( c& J1 @  k  b.grad.zero_()
0 w& U" F, w. P
' |8 a& o9 t: Q4 P5 E4 X: Aprint(w.item(),b.item()) #结果
2 r( H3 B- f3 I+ s8 H0 z
3 v. C/ f8 C4 B3 H" c' ]6 sOutput： 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。
  d8 P. d/ d0 N1 l0 p高手们帮看看是神马原因？

老福

" z+ X* v$ V3 ~. 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？
-------
( u+ m% U: ~' X; o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。
% ]1 h! M2 s/ H! Z. E5 t! o, \  N$ I1 @-------
/ t* H7 Y7 ~: h' I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？
" E& k  Y6 y+ L# X5 q-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
6 Z. M* q: a9 t7 }" ]- X+ o5 g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

: J; P4 E5 [8 v' v

雷达 发表于 2023-2-14 21:52
/ }$ |3 @/ N2 C8 B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。
7 q9 R. [9 d+ p5 h7 ~: t
2 \7 ?) y$ a7 P# _" r或者把b但的起点改为1试试。

雷达

7 b# L8 Y5 t3 ^+ L. M6 C

老福 发表于 2023-2-14 22:00
9 K4 Y* `2 N( w4 P- i8 }& 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。
% {' \, `1 s/ }- o+ d1 d
" I; a6 N! q! V% A或者把b但的起点改为1试试。 ...

( {& m( i$ o! z$ v$ g
你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
6 w8 @4 s' U4 I* M7 ~$ I, {0 o4 B: ay = (x*27+15).reshape(-1)
3 h# O: o5 o) X
循环次数加成10倍，就看到 b 收敛了
w , b
) Y# G9 {8 X4 Z, Y, S' i27.002620697021484 14.826167106628418
8 i; U( ?' Y6 y" Y: D5 }4 H6 ~& M# l
  K( n' I) X6 S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。