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。
4 |5 q- U* E# C5 h; ePytorch 下面的代码做最简单的一元线性回归：
  q! {5 c: T5 k! F2 O2 R4 @----------------------------------------------
import torch
0 I* X7 U! N' Pimport numpy as np
import matplotlib.pyplot as plt
import random
$ k) @$ z) P; r& [/ Q) N
x = torch.tensor(np.arange(1,100,1))
& Y( Y* k7 U$ m5 k: m! ey = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
8 u& N/ X: }, F% W6 f+ ~
1 g: ?% F4 g, a& e3 D2 lw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
3 b* B/ k) M, {+ N# y0 n5 X. _& _b = torch.tensor(0.,requires_grad=True)

epochs = 100

! \1 A& q  k; }9 B- U; slosses = []
7 ~% o6 h" U4 m7 R5 W" N6 h7 n6 Yfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
; b; C5 [( O  `6 p# U  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
* q) @9 `! ]+ j' Q  C  losses.append(loss)
  
  loss.backward() # autograd
7 c8 H2 |% @/ ]  with torch.no_grad():
9 r- G+ |9 u2 _8 v, t* t% i6 X    w  -= w.grad*0.0001   # 回归 w
6 Z/ z* L, i2 A# N+ T; N( w    b  -= b.grad*0.0001    # 回归 b
1 l# K% P/ p$ i  w.grad.zero_()  
$ D/ n: I- p  s  b.grad.zero_()

4 Y# x/ p. a+ w/ g8 Z0 A- Vprint(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
- N* T0 |7 @, d$ w1 S----------------------------------------------
5 M/ w( E6 D( v! w; ?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？
/ A3 P# {% U+ b/ F- _-------
5 q% K- u; D7 Z, y  {. K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 @9 n5 Z/ `/ S. _5 J4 j& 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
1 }: L4 m; P' W" x0 k' w9 L* ~# u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？
: `: Z0 O! U8 j) m5 [) o-------
- X2 D: `2 w2 z4 y& p( G, ]9 s不好意思， ...

. G. Y/ y5 w# N. m$ R1 g: L  T4 j# ?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

3 ^. n! @3 \+ c3 g7 i1 H

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 ...

4 {1 f% m% [& s% Y6 m8 j, o5 N% x# N; F) 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。

雷达

老福 发表于 2023-2-14 22:00
, q5 F6 M' C% T# F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。
; T/ k! [  G2 ]6 _, g2 X7 R( T+ w
  D$ Z2 \, Z+ A( i或者把b但的起点改为1试试。 ...

: O) G9 s1 v1 g6 }: z% L7 S& G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)

1 f  ^3 H0 k" M: q5 ~/ R& s循环次数加成10倍，就看到 b 收敛了
w , b
. W3 y( H& @0 q. N2 `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。