继续请教问题:关于 Pytorch 的 Autograd

雷达

2 x4 e6 G8 S( Q. j! e$ N; y) p. u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 B9 l+ r8 K, M0 g; rimport torch
import numpy as np
3 w5 R, m' g6 O/ s! limport matplotlib.pyplot as plt
import random

6 b+ I6 ?+ r: d; N( H$ ~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
* p5 E! o$ `0 E% cb = torch.tensor(0.,requires_grad=True)

. J# h8 c2 a5 \" O& J3 z4 repochs = 100

losses = []
for i in range(epochs):
" }8 f6 ?+ d+ o) q: _# U  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

6 v# b8 Q3 f  K8 x8 G. Y' _  loss = torch.square(y_pred - y).mean()   #计算 loss
8 I, U# \3 _3 r8 U( z* x* F1 [: K, Z4 q  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
9 K# r+ Z" U% D' _: d    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
: X9 n% c6 P+ l) o  b.grad.zero_()

- j( H; h2 T  R( f7 S+ mprint(w.item(),b.item()) #结果

* A6 A* i* R8 Q! p' l* G. oOutput： 27.26387596130371  0.4974517822265625
7 ~- e& A3 O  Z9 _! h----------------------------------------------
; P+ `" \8 Z+ v) }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

2 T4 A% S* m7 Z2 x
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？
6 C' h1 m4 c0 Y; n0 A' {/ p-------
5 H) N$ z- y( S3 G& R- S8 U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。
) `3 i1 h8 H  d% b4 v-------
8 K8 y: l; g/ ^6 ]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
7 h. D- ]6 E/ 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。
4 v2 j* ^$ ?4 ~6 H0 k7 |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

- `  G7 e1 A7 g( B9 o  i3 E

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。
) u8 _% s6 z5 D1 K7 c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 ...

0 H4 M/ b. F0 ~7 T2 R3 c' t
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。

2 c) L" O$ ?$ X: i或者把b但的起点改为1试试。

雷达

: r+ a* z8 Q. p6 e* C2 d  U

老福 发表于 2023-2-14 22:00
! p- ?) x9 X& O6 M/ Y) g7 d6 R; Q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。
4 a! F$ J6 o, x! ]" L6 q
或者把b但的起点改为1试试。 ...

6 K- Z, J4 z' `, t
你是对的。
去掉了随机部分
+ r! H5 Z& d8 d6 w0 O' r#y = (x*27+15+random.randint(-2,3)).reshape(-1)
9 v. O8 s9 f- J, l; @y = (x*27+15).reshape(-1)

, z& Z7 f3 ]9 x( K) G9 Q3 V/ B" V1 V+ x; ^循环次数加成10倍，就看到 b 收敛了
w , b
5 ~2 W) Y; E; h4 x. z; B27.002620697021484 14.826167106628418

. r: g* e$ f* q, U( L) b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。