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：
----------------------------------------------
4 ^0 U+ A5 U! f7 I/ Z; x0 ^import torch
import numpy as np
- n. P% R: l) f2 R) l0 v) }# b) pimport matplotlib.pyplot as plt
import random
, M" o0 ?3 I& ~) S6 @3 s4 c* Z
! E+ d: I/ a. mx = 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
4 K5 B& S7 ~: E5 v
3 g( _6 p( w/ }% X7 `w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
  F8 |8 H3 O9 {* E- Yb = torch.tensor(0.,requires_grad=True)
4 ^; s7 i; i8 B7 {& h/ |! s3 E% m
* U: \+ a) E2 e& B( Depochs = 100
% _# e0 M. ^( ^! R/ t  M1 `
losses = []
7 a; s0 P  P: C1 l  b, [for i in range(epochs):
# A9 n: I/ \+ }. z4 n' l( d  y_pred = (x*w+b)    # 预测
/ ?& h/ ^0 q+ X, c6 X) Q+ \+ ^. ~9 P  y_pred.reshape(-1)
+ P% y8 C0 p! v9 E" J) ]! r9 W
  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
9 E4 ~$ S7 q9 E/ V; c    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
7 Q& X  R# Q6 _4 i3 K/ u5 V  b.grad.zero_()

print(w.item(),b.item()) #结果
7 R  w% h3 N! D; n- k
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

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？
-------
' R) E1 t0 K  _4 f9 t) X, \/ ~1 s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。
-------
- ?# T, x8 d, y& o( l3 y' 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
+ ^# f$ e/ M# r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。
8 X) O& @0 d. G* c# B  f4 k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。
% z, ~4 S, y' M% ^# u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 ...

) c6 a; n  a+ v2 {0 |
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。
  M# `& D. n9 b- J0 V
/ b7 q1 r) x' W' O- o# b6 Z' d6 A% U或者把b但的起点改为1试试。

雷达

7 }" b" Z  [& b+ q8 F: |- A

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。
3 w- x8 ^# O/ W/ x$ }; P
+ z* j! R7 U, Q. t2 y" O或者把b但的起点改为1试试。 ...

7 c$ G7 Z' ~1 [- S; W你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
* H: M- x0 q/ W( W* b* _" O- [; Z
( ?* s# H) E7 M4 Q1 I循环次数加成10倍，就看到 b 收敛了
- i  h, R  R1 G  [w , b
27.002620697021484 14.826167106628418

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。