继续请教问题:关于 Pytorch 的 Autograd

雷达

9 k, Y4 l$ ], B0 l; Z8 `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：
$ M" c2 q" M, {0 Q( J: j0 Z  Q4 J  O----------------------------------------------
import torch
" I6 W8 v5 R& v3 }0 _0 Bimport numpy as np
5 G9 v2 m0 R! F0 `* @, ~1 jimport matplotlib.pyplot as plt
# n! u7 `. Y6 o, ^7 bimport random
2 T* Q; B# A) d6 K/ l) r
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
b = torch.tensor(0.,requires_grad=True)

epochs = 100

losses = []
for i in range(epochs):
" o# O& r' |3 a9 o8 O7 w- f  y_pred = (x*w+b)    # 预测
" |# z- ]9 }; p: G1 T6 z$ @  y_pred.reshape(-1)
* V1 @7 n/ _& @: v8 ~& p- X2 t
  loss = torch.square(y_pred - y).mean()   #计算 loss
/ v1 z6 H& D+ N0 T: Y- z" U$ `  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
  m) J) n: f; G$ j    b  -= b.grad*0.0001    # 回归 b
: a8 h; [9 b+ E4 g2 E9 U  w.grad.zero_()  
3 w+ {4 s  e4 u& v- p! I4 l  b.grad.zero_()

print(w.item(),b.item()) #结果
3 t, o3 `1 q& Q1 R: ?
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

! q0 o; o0 t" ?- R% v# b5 h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？
-------
( w2 o3 N$ y. V% F) T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 d5 C- Q5 g& `3 R5 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
1 \; }* a8 T/ h$ l: E  v/ b2 j7 ^2 u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？
-------
9 j' f/ P9 O: F6 d- Q; n不好意思， ...

# k3 T0 b: @* `& Y' I3 G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

0 [+ _* F( t  J$ Z

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 ...

/ z) P+ Z, U9 e* q# h. |: x9 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。

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
  a! _2 A+ [- J7 e5 M: R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。

或者把b但的起点改为1试试。 ...

/ ?4 {- k! d: Z, z2 O9 @* \
你是对的。
# o* A, {, S- h4 f4 b1 Z9 p9 r) I去掉了随机部分
# p9 Q/ E( s: R#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
& Y" k8 Z6 x6 X9 M
8 o5 w6 a6 c, M& N循环次数加成10倍，就看到 b 收敛了
! k. v9 ~0 Y$ M& k- `w , b
27.002620697021484 14.826167106628418

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。