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
- q; j; N- P$ V* |- d. Aimport numpy as np
) n, Q" S5 W& W( S) ]; U/ Fimport matplotlib.pyplot as plt
import random
' N4 K8 H- y: U2 h1 C6 ~7 y2 [) O
# H/ k( m& k* ]1 Hx = torch.tensor(np.arange(1,100,1))
$ k9 W' H) E) b2 A& p- `y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
) k1 u# c2 L8 c) u0 T  q
1 e$ h" x# p9 I9 rw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
8 S; F0 r/ s- R* p  x5 Z5 d5 ?b = torch.tensor(0.,requires_grad=True)

- M/ F; U' k$ ~3 R# I7 D3 }: fepochs = 100
# b  u# _' D/ N$ {* N1 s9 Y
losses = []
3 ^1 X, a" ~/ xfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
9 w7 z- |; Z2 C/ P  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
: ?* M' J6 G! x8 T: ]6 i  w.grad.zero_()  
5 V4 [4 j4 u4 k. L4 k  b.grad.zero_()
' k6 ?; ~+ L" @- ^! `+ N9 P
" o$ a! m* o. N8 G6 y9 uprint(w.item(),b.item()) #结果
6 n. Y( B: |5 ?5 A$ `# ?; o
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

+ |* i1 I' n& W3 q+ S3 x. `1 u
: E+ A. ]- L# k" B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& X1 a0 M+ b( n# ^3 H-------
3 t! p2 L, Z1 m" W) E8 }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
1 d8 l: F1 l4 P" 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？
-------
# c/ N  o! z2 ^0 `% ?% T9 E不好意思， ...

' Z" `9 ]' E: T6 n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

$ i/ V. x! M" u2 ?" l0 J

雷达 发表于 2023-2-14 21:52
6 q, D- h6 H7 P: k) q谢谢，算法应该没问题，就是最简单的线性回归。
+ k* t0 h$ }& o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 ...

6 G2 a/ v/ j( w4 {- k$ C4 q
8 y* T+ B: R9 t0 Y) s) u) R$ 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。
2 U. U" x/ j7 n
% ^8 ^. g" l& i+ R+ L) ^2 `* `或者把b但的起点改为1试试。

雷达

& V& d) p  j" g, J

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。

4 X9 N- x4 ]( q6 S7 n' h或者把b但的起点改为1试试。 ...

, i& w) s; c1 N. f5 N
# h, G/ m4 M' Y$ t$ q  J; ]% @你是对的。
去掉了随机部分
' v9 v* Q' m6 e#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
! U% l% K0 F) L: c
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。