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：
# V+ W+ n4 J& ?----------------------------------------------
import torch
, E: p& g" q& M  L1 ?import numpy as np
: V0 s3 D; t9 i9 A& c& t3 l; ^import matplotlib.pyplot as plt
: V6 b3 A2 l! Z$ Timport random
$ Y% X: Y# g* O  v" ^$ v6 n  A
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
8 x; m5 ~2 ~! s! `$ O
: N' @$ v4 k5 b" @+ j' I" B4 Sw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
( z0 R3 c5 C$ X0 ob = torch.tensor(0.,requires_grad=True)

epochs = 100
6 _/ Q4 j& R+ ?3 G. q
3 [* `3 y* ?/ X% h! B3 ~losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
, ]/ C) E3 X- a, a4 C2 ?  y_pred.reshape(-1)
6 d1 `) g8 j& p+ P% @* C" ^
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
7 \% @/ @+ B" P# b1 n9 }  
1 b! V7 U3 ~+ c" h  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
- z. ]+ J* ?+ {8 s' {& o! t/ ^1 y    b  -= b.grad*0.0001    # 回归 b
# y& }3 F7 R5 U* j7 r! z  w.grad.zero_()  
$ _8 `$ T+ L' h$ r  b.grad.zero_()

. G6 p* m$ b; Jprint(w.item(),b.item()) #结果
* A  e$ i( g9 |" E& D9 f9 d
Output： 27.26387596130371  0.4974517822265625
1 K! Z! ?# L; \$ ?2 T----------------------------------------------
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

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？
-------
4 L5 Z, ?2 s5 V7 P# \/ r, j( H5 }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
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？
-------
! E1 z( A8 _1 E  \( m* P$ U$ a不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
, s: M+ {+ }% B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

9 D. ?. Y) }7 ^  U: x  S

雷达 发表于 2023-2-14 21:52
& V6 r1 E# [) }# V. K: W7 V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 ...

* F$ R4 K7 |1 s4 r% f0 m
. _2 [8 K) U0 ^9 `8 y+ q  Z, c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。
- q$ _) v$ R( I% b. D/ F
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
6 ~! I% {# q2 g9 \* h2 Z$ U/ L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。

' F9 x' h2 i$ |* @7 J+ X5 N! Y或者把b但的起点改为1试试。 ...

9 a) ]. n4 S" i' v+ ]7 n/ q8 F2 d
你是对的。
3 A3 v  {6 G7 }; R9 @去掉了随机部分
7 ~9 ^% p: z* b1 L#y = (x*27+15+random.randint(-2,3)).reshape(-1)
5 D9 V+ j7 J, _& `7 g1 |4 C, Cy = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
, Y; u* L4 I6 s8 ]27.002620697021484 14.826167106628418

) ^- |( c- h# G) J' x! R2 x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。