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
import numpy as np
import matplotlib.pyplot as plt
% U# ~8 y0 m9 T% Q+ O$ E% j! rimport random
1 P$ `: s1 a2 |2 x1 ^* Y4 r; N7 ^
x = torch.tensor(np.arange(1,100,1))
! X8 V4 u8 a9 [y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
9 T$ j2 u1 N  g) E2 t/ D
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

3 ]" X2 g4 ?  g% H6 F" Mepochs = 100
- X! a7 l: v8 Q4 K2 n
losses = []
4 Z! g- f, n. o* rfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
7 w# l2 v  i4 g3 f* ^; m: T
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
. ]$ V$ k( w. ^. h  
  loss.backward() # autograd
  with torch.no_grad():
2 l# e! q, W  T% u    w  -= w.grad*0.0001   # 回归 w
1 F, L/ b$ \) Z5 \1 I    b  -= b.grad*0.0001    # 回归 b
0 C% ^6 L5 r; P  w.grad.zero_()  
  b.grad.zero_()
2 S9 j2 [6 r8 ?  L* H
print(w.item(),b.item()) #结果
& h0 w# v" A- t: x/ s* N! d
1 a' o# L6 {7 K6 hOutput： 27.26387596130371  0.4974517822265625
$ Q, }  H5 |3 J* h9 Z; z- j2 z----------------------------------------------
8 T  n9 I5 e( ~9 F$ Z9 O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。
, O0 `- U, X% V高手们帮看看是神马原因？

老福

5 }# h9 b7 A7 j: f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？
$ d. c" B& r* ?! }' k$ w-------
, P4 i) ^7 I6 ?2 [2 H0 N4 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。
-------
1 v0 z1 N: g1 A8 T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？
-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
4 ~7 |" S0 t4 G/ Y9 X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

$ F7 T9 C1 s# n

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 ...

) K9 d- h6 G; Q5 t" X3 g
8 N' P5 \8 ]& {! z: ~( e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。
8 B% P1 N0 ^4 L% K  R- H
或者把b但的起点改为1试试。

雷达

3 R+ m- a6 k  F" G! H

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。

* o  u1 Q; V- F( A+ `或者把b但的起点改为1试试。 ...

8 {5 y8 W& `& p
, `; i" W* N5 }你是对的。
% C  K! O, x! T; l8 d6 s去掉了随机部分
' [/ q; B$ ]0 k# t; j& }0 {" ?7 {#y = (x*27+15+random.randint(-2,3)).reshape(-1)
8 h% n. {$ s6 ^y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
* @' z: X  R4 i/ zw , b
3 K- C$ `; X. B& L5 x7 ?27.002620697021484 14.826167106628418
0 d9 C& T) {+ c: S. U0 }9 J" [
- t! q) S+ o3 M/ z& r: f$ 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。