继续请教问题:关于 Pytorch 的 Autograd

雷达

& j, I% J  p4 Y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
import random

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

4 ?, f* C) t+ b% f- Q& _. X5 Z  nw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
7 h5 I# ~2 E1 \- ~# z4 W8 Wb = torch.tensor(0.,requires_grad=True)
: _  _2 u- s+ g8 @) \' S& ^( _
2 [6 U2 n; T1 o, Lepochs = 100

losses = []
for i in range(epochs):
, m# h! n: b5 t7 a1 i8 R' C  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
6 n& N/ M/ G  B; P; b
  loss = torch.square(y_pred - y).mean()   #计算 loss
) e$ L  n9 Z# m! ~/ P4 K  losses.append(loss)
  
; L1 Z$ q2 {& p( P6 v  loss.backward() # autograd
! H( N8 D! B6 ?: ^6 K8 e9 z: |$ t' V  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
* n, P: u$ |6 e& Z% O  w.grad.zero_()  
  b.grad.zero_()
9 b. p- c; w2 d8 p
) `4 y: I8 \! r8 V, b4 q- O0 Bprint(w.item(),b.item()) #结果

7 l, I/ g/ a; S* VOutput： 27.26387596130371  0.4974517822265625
2 [) T% N' j. E& {) 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。
高手们帮看看是神马原因？
. b- V! ^; m; `. k% s5 G

老福

3 E5 `5 o* w8 B% S* E
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+ g& g8 L6 J9 `  x, y1 |-------
& Y! g1 I4 G5 F8 `& M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 i% ]% ~" o& n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？
) R, ~8 J+ n+ Q' Z9 }( f-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
6 t6 u! d2 }$ w% U8 J4 o/ a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

& Q" O& z6 V- o$ Y/ [$ E( P

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 ...

' j8 B' }# \. g2 b, d
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

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。
5 n5 R4 N$ R2 O* Y: d( F
& t6 t5 C- i. b! O$ M6 I+ v或者把b但的起点改为1试试。 ...

' I9 K( J8 D5 s你是对的。
- _7 E2 W  K8 ]8 l去掉了随机部分
& L, C6 [1 T. d/ F6 v) @#y = (x*27+15+random.randint(-2,3)).reshape(-1)
# ?% H) ?# ?1 \1 z. \( Hy = (x*27+15).reshape(-1)
: @$ r. o( K: O! T  O
循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418

9 N; p8 l6 G3 {3 L+ T2 ]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。