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：
----------------------------------------------
3 v; V1 h% L& |, I* x' |import torch
import numpy as np
import matplotlib.pyplot as plt
+ B3 ^/ {4 T! U5 Pimport random
- j# p2 c# B* Z+ T( G
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

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
) b$ V& x- Z# sb = torch.tensor(0.,requires_grad=True)

epochs = 100

losses = []
" a$ A2 [, [+ f8 r  s& vfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
1 w: R% T% l& x2 N
/ q0 U2 L- f# }- Y1 e4 e( B  loss = torch.square(y_pred - y).mean()   #计算 loss
0 l. z: A6 G/ s7 e2 d  losses.append(loss)
2 F" Z9 l5 T' ?+ \! O$ v9 Z5 f% G5 s  
  loss.backward() # autograd
: a$ \; a( F5 k. l  with torch.no_grad():
% j) ~2 X$ A" d2 h+ m    w  -= w.grad*0.0001   # 回归 w
% E8 [; Z, Y1 h  h    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
% r0 A1 o5 \9 M" @7 C) X, P. G  b.grad.zero_()
3 F3 i) w7 c+ W' v- f0 M4 s# s2 Y
$ m3 f! e& z& Dprint(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？

老福

" A: Q" d5 y* f4 I0 k4 @* 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？
0 B9 a/ @  v, M& n" d-------
. w# @  b+ O) `& n: T. [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。
-------
; S6 T1 U4 l2 h6 x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？
: b# r: I1 H% a7 @8 o2 R3 q: j7 E-------
0 Z0 F9 `# k7 @  {# j不好意思， ...

: u! h( j) w! W! _谢谢，算法应该没问题，就是最简单的线性回归。
" C% H' G. b4 Q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

: J2 @* g/ [% ^  d+ @  @  t

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 ...

) V$ o' O" n+ X9 h; R' q2 @
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。
, T% c2 H# u0 X: G3 B+ ]
/ c+ L! n3 D4 u4 Z( u. u" W+ a6 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
( g0 W) h: D7 ^" p0 |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, g8 }" V! o# t或者把b但的起点改为1试试。 ...

2 C7 O  M9 K$ v! i* E你是对的。
去掉了随机部分
5 T  d: [: A9 Y9 l5 L#y = (x*27+15+random.randint(-2,3)).reshape(-1)
5 I9 @# s3 {, T9 l/ j6 dy = (x*27+15).reshape(-1)
4 k% Y! s6 x7 E
  a- X. O7 }) b6 p循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
7 m5 n: ]' j. j
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。