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
* m/ @8 _" o! p6 Oimport numpy as np
" Z1 r0 H2 M+ g5 g6 l) Rimport matplotlib.pyplot as plt
& z4 ~8 A2 H* U3 `% C  E0 E$ jimport 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
. [) T( T5 k( f: h5 ~
; x5 h  `) j' Rw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100
' `) U, s& E3 h7 s
losses = []
for i in range(epochs):
# p0 S5 ]2 ^3 S# u  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

! u& `$ C. G1 O8 ?. m1 h  loss = torch.square(y_pred - y).mean()   #计算 loss
: x- h* P& n: v4 Z& b: F  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
3 [0 u) E# D5 s' F1 b: m5 z% _    b  -= b.grad*0.0001    # 回归 b
+ W, X$ m7 }+ h* ~- z7 R  w.grad.zero_()  
% L" h# Z4 K$ T6 k1 Q. `* Q  b.grad.zero_()

print(w.item(),b.item()) #结果
1 w% C" x3 k$ t
Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
) B% }! i- Y# }. `# Y; Y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？
# e' X9 O* V( f5 K8 i( N1 {

老福

; B, d# z) x- w6 B: f% n
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？
-------
. g. P! v- J2 |1 Z, F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。
-------
0 T9 L! ]$ H& a. [' j6 A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， ...

谢谢，算法应该没问题，就是最简单的线性回归。
$ I2 L8 g7 q! i: [/ N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
6 Y2 B) x0 J0 A8 k5 i谢谢，算法应该没问题，就是最简单的线性回归。
6 P9 H& ~$ i% 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 ...

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。

$ S2 ^, P! O- |5 J8 G3 f* W& F% ?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
  ]( P' @" W' G* |# V! I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。
) U$ \" W- H( s1 Q1 e
; u! I% r8 R: B9 [' q或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
' W" P& g: C& s/ U#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , 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。