继续请教问题:关于 Pytorch 的 Autograd

雷达

8 L5 M8 m% I& ]* E3 Q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
: s# e; p' c  b) u& Ximport matplotlib.pyplot as plt
import random
+ Z' {5 U# k5 t$ v4 r) z% H& @
  [  z8 p1 ^! v: E9 Lx = 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

2 @. u0 e! o6 h6 r  E, r% b  ow = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
. q* U/ X+ |5 m+ V/ H, V% i1 ~! z
: z2 Q2 c+ F: {! [4 Wepochs = 100

losses = []
& P2 |& h  k2 r& B; ]; kfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
) E2 i! _2 W  f; T' R  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
. V% {- ]) @+ @3 A  Q  with torch.no_grad():
8 g9 W' Q# r1 |" ]/ ^# c    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
! u9 i7 C" B# [0 f2 ~. M  w.grad.zero_()  
  b.grad.zero_()

7 B  i6 b5 M3 t  [- Tprint(w.item(),b.item()) #结果
- x9 q- ~% I* a
! y% d  m5 E9 t- t4 UOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
& P; Q  K, u6 [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？
& Q3 t  j9 y; t% K

老福

# `. ]1 n0 a4 F! J. t
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？
2 [1 d+ ]% T3 f$ W4 D-------
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。
7 P& ^/ P) Q& R2 D' @-------
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？
-------
! T  ]5 P& p3 _* G' E( N7 n5 C8 Q! T不好意思， ...

1 X/ @" a- |2 l0 q+ S1 O1 K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一下。

老福

0 \1 F  w" @+ R4 M/ G

雷达 发表于 2023-2-14 21:52
% S& \( S7 {; t( p谢谢，算法应该没问题，就是最简单的线性回归。
1 M. Q4 ]; o# ~' D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 ...

3 f* I( I3 _( H1 S
' @8 n" X  ^" Y9 T! L6 h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。

雷达

+ \  H8 V" L1 a6 O- g

老福 发表于 2023-2-14 22:00
- X4 K# d. L8 y, C2 J6 }. u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。
1 }- v, f8 z- Z- ?6 {
0 M+ `5 |# H, {) {, i+ g. a或者把b但的起点改为1试试。 ...

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)

& ~% f- `: q5 q9 K* {+ i循环次数加成10倍，就看到 b 收敛了
w , b
. O" ^9 B: i- {( T# v27.002620697021484 14.826167106628418
" S6 I9 H# t) p7 e9 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。