继续请教问题:关于 Pytorch 的 Autograd

雷达

) s9 d! g1 ~7 w( n2 v
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：
----------------------------------------------
  v# ?8 V2 o8 i( \  Mimport torch
import numpy as np
import matplotlib.pyplot as plt
" S- h- i0 a4 \( A- Gimport random
6 ]& K% [0 n7 q9 B/ b6 m9 i2 C3 ]7 B
  f" E8 E( m( i' w, D, y7 T! px = torch.tensor(np.arange(1,100,1))
. m* S8 S) L' p( y4 \) Oy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
1 c" @/ s  Y% L
" n" W& C- x% `* ]9 _w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
/ R+ d4 |) L( S; Eb = torch.tensor(0.,requires_grad=True)

epochs = 100

, U* d  a6 H& j  P2 ^5 Mlosses = []
for i in range(epochs):
( z$ T- d' X, C( ?8 R0 d  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

+ B. w2 U& i- {9 [, n  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
! n8 e  H  Y4 q  
6 `. T) C% x6 _8 l- c% z0 Q  loss.backward() # autograd
( `$ M. D  z. Y, h  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
% N& Z, g3 g, [: _7 L7 s2 e, e
, U, P; @$ ]  iprint(w.item(),b.item()) #结果

4 w! C, B) i9 p$ ]* l  b* B3 ROutput： 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。
: w, n; O6 j8 \/ }高手们帮看看是神马原因？

老福

7 F: Z) z* l0 n
2 q) r7 S* b+ F' ~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？
0 @) g+ A5 B. O+ r$ {-------
" k# y0 |4 \2 _) 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。
. p4 N0 o+ ~& G6 W% F# T0 `% V  E) t-------
; W1 N# V: 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
. \. l  E' k, x# e7 x. Q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， ...

* U- A0 F8 C7 h( _谢谢，算法应该没问题，就是最简单的线性回归。
5 e4 X: E& o0 Q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

) q3 S* |* }5 c+ h: H

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。
; s; X- _6 a) k& l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 ...

7 D! T- L- e1 a6 z3 r$ o1 q8 }% [
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。

$ e( ]* |/ ~% p; W1 M7 s或者把b但的起点改为1试试。

雷达

/ f* J: ]2 {: _/ N/ q2 L9 ~

老福 发表于 2023-2-14 22:00
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。
& K3 i( J+ T7 T2 w% ^' Q
/ q+ r0 L: D& V  B: }, p或者把b但的起点改为1试试。 ...

$ c8 t! D, n$ {1 c
你是对的。
0 f4 v+ L5 F# d去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
2 `/ |" y1 h, p# z. Q* Oy = (x*27+15).reshape(-1)

* `$ A0 G8 L6 W  M' u循环次数加成10倍，就看到 b 收敛了
+ @2 Q; `4 R# D( O- ^* E% ow , b
27.002620697021484 14.826167106628418
7 E; V9 E$ t3 g, j# U2 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。