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。
* n2 m$ p2 l% ZPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
5 i) H$ G; ?) r) T: \  dimport torch
import numpy as np
) Y! Q& x3 X7 Y6 _import matplotlib.pyplot as plt
import random
; ]) W1 m& V* c6 v5 s
x = torch.tensor(np.arange(1,100,1))
" m# Y) @" ]# m, m+ s6 ty = (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

' j. L6 i9 Q1 E* `, Olosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

# E/ [5 N/ _. r7 @* w$ ]5 f; I$ E# O  loss = torch.square(y_pred - y).mean()   #计算 loss
) H; A! L( c0 d. i. `+ X1 J  O  losses.append(loss)
- E2 f5 o; x' t6 e( M, D5 A$ Y+ k  
7 _5 u' c+ Z/ `+ i( }! O# h4 _  loss.backward() # autograd
  with torch.no_grad():
' K& Z, w5 T8 }) q7 C( n5 a    w  -= w.grad*0.0001   # 回归 w
6 I# b% i; f0 G/ w    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
0 s. d. e( w4 O! w  b.grad.zero_()
- ]5 ^6 P+ \- E* ^" \
4 ^( x9 y; z. xprint(w.item(),b.item()) #结果

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？
) Z6 F$ T. [5 K$ o2 w" t, F

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？
) g/ S1 m" `: f: {-------
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。
- Z. M% Y& \) @- |-------
) @* A" `! F) m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
  b# J4 X/ k! H1 T1 l. `0 H1 k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？
" Y# I7 [5 a, e* }7 r2 Q-------
$ M, r6 w4 t, Q# g不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
- Z6 r5 t& [* R1 w3 z- _9 m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
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 ...

! E: K6 j( y! u& r/ 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。
* k% `! l& B: Q, R/ G( p0 Q& S
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
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。
" S' B- V4 H) g
或者把b但的起点改为1试试。 ...

1 b  B& c/ s9 X* Q( T" {) i3 r
你是对的。
去掉了随机部分
5 y3 h( E# e8 y0 a7 _#y = (x*27+15+random.randint(-2,3)).reshape(-1)
3 u- P- [/ F; a4 y6 ^5 x6 A$ K. Yy = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
- I, u0 x# `# c6 Sw , b
27.002620697021484 14.826167106628418
8 y3 u$ y$ A; p8 `( T: r6 I* ?
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。