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。
0 A# b! Y& c: MPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
6 u$ u! E' _# U' Simport numpy as np
import matplotlib.pyplot as plt
, Y/ C$ d) X: E4 B' Vimport random
: D; P% I* M2 l, G
5 e( @3 m# m5 |: ]9 ]5 lx = 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
+ l# l* S& L: c5 o9 n
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
: w2 a  F6 @! C6 xb = torch.tensor(0.,requires_grad=True)

epochs = 100
2 L' V% `+ r5 T- ?% U# e1 f
) M. ]* Q: I7 Q: zlosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
  J& C) D8 G( F: k! h
  loss = torch.square(y_pred - y).mean()   #计算 loss
# Z7 A  a8 t$ ^5 r: \6 n) [  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
' |. K! p$ u/ q# d2 N: c2 Q9 ]! k% X    w  -= w.grad*0.0001   # 回归 w
* n& G  k# d; {' J- g; ~' t, z3 ?- e    b  -= b.grad*0.0001    # 回归 b
% D3 @7 b/ q# d, i- S/ K8 \  w.grad.zero_()  
  b.grad.zero_()
9 p  b1 ]- D0 K, w8 M% Z' I$ V
/ }% t: z+ O1 f; z( iprint(w.item(),b.item()) #结果

# c$ ?5 }5 m7 m. y1 S  s7 ^/ BOutput： 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？
4 T+ X$ V) \: l& z* V. o

老福

! n  G; @7 F1 P' R/ a! g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？
; `' g5 Z" e! E* M  m; v+ H-------
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。
: i( I9 q/ ]/ b+ V9 l3 F" i-------
7 N. m' X1 V5 a" y( ?1 D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？
-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
. {3 H& j. U0 ^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

雷达 发表于 2023-2-14 21:52
3 g( p4 [# S* H% S  J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 ...

  u; L, a5 c5 ]6 f# r$ |  Z  s, c. e
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

% ?4 M8 W  V2 m

老福 发表于 2023-2-14 22:00
- q! }( _4 a+ a+ e- _9 m6 D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。 ...

# O& O. N% S. G' s$ O9 T  n4 G3 O! T
你是对的。
( E" [% \4 i% [7 Q( B" i9 d% E去掉了随机部分
! }- ]* p2 P* Y% P' k#y = (x*27+15+random.randint(-2,3)).reshape(-1)
, l8 v/ H! U2 J3 m# v& b2 zy = (x*27+15).reshape(-1)
% e; h8 ]; z0 I! s
循环次数加成10倍，就看到 b 收敛了
w , b
" y( K( F* g9 v# }  T27.002620697021484 14.826167106628418

5 y( T' g1 B* l1 G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。