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
import random

x = torch.tensor(np.arange(1,100,1))
7 z- |- ^2 n5 `- ?. A, Py = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
+ @4 f2 Y* y1 Z: a5 Z/ h1 q* I# y
" _2 S1 V( c( V* y- R* Mw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
9 @& O; p' i! qb = torch.tensor(0.,requires_grad=True)
8 Z* U6 m9 {4 P; Q. n  W
epochs = 100

9 ?2 `* L! d8 o) u: tlosses = []
for i in range(epochs):
# Z% O# i2 c9 \" n% k  y_pred = (x*w+b)    # 预测
! o3 y& g, d4 e0 k) M  y_pred.reshape(-1)
" T$ B3 _+ f0 T5 Z  a5 u
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
) t1 Z5 a, Z+ N. t! q) f$ \8 z  w.grad.zero_()  
* t+ f# x* x( K- d$ R- G  b.grad.zero_()
6 l/ P8 O: p. N5 Q
" _1 A& Y. `. i. r% Xprint(w.item(),b.item()) #结果
# ]! M" [; P$ W# S( ?
Output： 27.26387596130371  0.4974517822265625
( X4 i% U( A4 _4 T( g+ Z----------------------------------------------
( h( t/ q9 q: Y9 c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

% B! _; y/ {1 _2 I& O) l$ A4 q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？
9 L0 {$ d1 ^4 [9 M4 ~; ~7 O-------
( z' ^; s( S+ V" R8 m; I% C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 [- G" N* D# v9 b. I; H  [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
  T3 c; ?9 M5 V: c) b$ Y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， ...

* f, l7 ]& p9 h- R. @9 k: m, O谢谢，算法应该没问题，就是最简单的线性回归。
: Y. M) g3 n3 G8 a( Q; _3 h7 Y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

雷达 发表于 2023-2-14 21:52
' W4 r- m1 L; @. w! T: 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 ...

$ @0 s) f* {; M  \
* m( p7 _1 ]& |0 R' c% ]; R2 m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。

' O8 S; t' N6 P1 |6 h或者把b但的起点改为1试试。

雷达

( F  V5 w/ ]* G2 y; b

老福 发表于 2023-2-14 22:00
0 I0 n% b5 X1 I! L) A- ]5 {- 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。

或者把b但的起点改为1试试。 ...

你是对的。
) T8 f0 O! r) s+ D& Y$ j* w! p去掉了随机部分
. [! {; G( A6 R# j/ J; a#y = (x*27+15+random.randint(-2,3)).reshape(-1)
& y6 f( p6 N" sy = (x*27+15).reshape(-1)
) a# V3 Q/ F. ]
0 W, V" \& k) \! u6 z循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
/ H# t$ q7 z3 K
) }# c9 d  [# G7 a2 m1 Y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。