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 ?: U( N* F( S+ Y3 W----------------------------------------------
7 T  _' _; ^0 B1 m7 z; m" simport torch
import numpy as np
' E8 c8 s1 z5 M6 x: J6 Rimport matplotlib.pyplot as plt
import random

. A% H  O# l: P- h/ sx = torch.tensor(np.arange(1,100,1))
6 h" E3 O3 J. ?2 I5 B) Py = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

3 q6 m6 k( {6 p2 Gw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
. |0 m, e& C9 i5 O$ |' N( q' @b = torch.tensor(0.,requires_grad=True)
, \, n' X$ C. i, }4 l  g3 ^/ i
epochs = 100
" h# `' b2 P" M  O4 T* ~
losses = []
/ n" ~2 t. Q5 `4 _% Bfor i in range(epochs):
, V- }0 u: Z& i0 E( |: x  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

& l: {/ i- z3 r1 c  G: d( |  loss = torch.square(y_pred - y).mean()   #计算 loss
; G+ U' t6 Z7 b$ ^2 e( Q; a( {  losses.append(loss)
  
  loss.backward() # autograd
' I* Y7 i+ s3 w  with torch.no_grad():
& \8 r% y2 e4 t1 i2 |& A* T    w  -= w.grad*0.0001   # 回归 w
) |, R" |$ t! D) h, z: }    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
/ H, f4 \3 r7 J) k) T  b.grad.zero_()
% G& w; I7 J, E% J% y- Y' L
print(w.item(),b.item()) #结果
' z' F2 B! S1 H4 m3 u- u
" X# L) r+ I  g+ S8 N7 J. v, p  pOutput： 27.26387596130371  0.4974517822265625
3 O. U8 D- U: i4 \----------------------------------------------
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

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 g& O0 o6 }. u5 _5 D' g-------
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 G1 M% c9 U( K8 X0 _; b; [$ G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， ...

9 ^% f2 m; v/ \1 S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 Y9 Q$ m& ?- E& t3 z  o

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 ...

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 w: E- H2 j( r' ^
或者把b但的起点改为1试试。

雷达

2 M9 @% a' a0 ]; ]0 p5 f5 b

老福 发表于 2023-2-14 22:00
7 V: U# H# c" V8 Y2 k/ z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。
9 S0 \- p) s# Y- {
或者把b但的起点改为1试试。 ...

( M* k! j. @) r& p1 B4 s% {/ s
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)
. N7 b  D  h: R9 w# h+ l- o6 S; q" V
/ @" j9 {; j- l* q循环次数加成10倍，就看到 b 收敛了
+ v- \" I* {3 w9 F3 Sw , b
27.002620697021484 14.826167106628418

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。