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
6 p# _: o! A5 Y8 z9 a; W7 rimport numpy as np
import matplotlib.pyplot as plt
import random
3 E9 V! X+ W% l
, m: ]8 N/ ?9 Jx = torch.tensor(np.arange(1,100,1))
5 U, e4 X) T4 Y# gy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
1 c: k4 X, o/ v1 m
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100

$ R  i  w, \( mlosses = []
for i in range(epochs):
# n5 ?  s4 o# R4 I0 r  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
4 I$ g. m- i* \# O& d! ?
! C& f$ f- O6 Q6 J  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
# O+ E. v0 S; T- B+ Y  
! ]. p' K# @" O; }5 Y# W  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
) K" m: p& `% G, \- Y  b.grad.zero_()
/ t+ D* b, b( m: P+ K( G( Z
6 o3 w. x5 j0 x% ~2 Aprint(w.item(),b.item()) #结果
: n5 E' u4 }) ]6 C; }
Output： 27.26387596130371  0.4974517822265625
. Q. L9 b$ u" s* Y----------------------------------------------
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。
0 V6 T1 X& ~8 }: `3 b# ]高手们帮看看是神马原因？
+ V( Q# ~0 f# n

老福

& Y3 Z0 g! p: {3 K1 N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% P8 h! M9 r$ R7 A-------
8 Q% G; t5 x& j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？
5 a" {: e6 t  Z6 o3 H' T-------
不好意思， ...

5 E' |) A/ J9 b; S% Z谢谢，算法应该没问题，就是最简单的线性回归。
2 ~6 t) Q! }' _% }% J* Y7 F  h$ s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
) g+ q/ a7 Z1 ]/ r$ w. P5 H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 ...

. B: @6 w( o: [. T. R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。
( ~# i$ k  s% E% ^5 Y2 {3 v
8 }; e5 m$ f$ K$ t3 j0 N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
# [# y0 |! n' Z7 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。

或者把b但的起点改为1试试。 ...

% l! o5 i, ^- b/ t5 t5 x" d" a
: \5 L' g/ u' ^- `* ?0 t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)

8 ]. g  t7 x& L( i* I9 Y$ f" o循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
$ W2 V* t) W5 V3 ]. V
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。