继续请教问题:关于 Pytorch 的 Autograd

雷达

: f; k2 q' G0 @2 O3 O! E  R5 }5 _
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：
----------------------------------------------
6 Q' g2 `0 x6 J  }( F) {: h$ Rimport torch
, r) G3 G* w4 i9 }0 himport numpy as np
; L  |/ C2 L1 x! P% himport matplotlib.pyplot as plt
3 M( f# F4 \. A6 U& D, D$ Cimport random

7 y3 Q% m5 s4 v; m# B2 mx = torch.tensor(np.arange(1,100,1))
- R# h) X  R5 jy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
4 r0 E; A9 d2 K, d# B$ p" d; tb = torch.tensor(0.,requires_grad=True)
. R. e0 c4 ?  o* {, @
epochs = 100
& g$ P7 X' T& P2 _; V
losses = []
for i in range(epochs):
% K0 E! p. h! @/ {4 O5 P  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
: X% M% T# {9 {8 V7 N" J" Q5 J
  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
8 x) c" R5 ~" ]6 l) R% U  w.grad.zero_()  
  b.grad.zero_()
# Y* j: X* L( m1 B2 U4 U. Z0 \, ?  ^
print(w.item(),b.item()) #结果
9 p" G  ?7 L% a1 M) B+ d
, H( v$ l5 O3 x/ XOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
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。
5 K# U' d  g- [8 R- z高手们帮看看是神马原因？

老福

5 \0 `( `& x+ g! u) 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？
  c( h% B" A5 K, F' a-------
6 s( C' q+ Q; C* U2 Y# k3 S# _" j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。
  p6 p4 i6 I! _5 s0 `# @$ {% ?-------
0 w. o9 z4 s, o. Y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
2 _) T' F9 ^/ O9 \( p. _: _& J- }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， ...

4 D7 l8 @$ g$ v4 k7 y/ 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一下。

老福

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 ...

" _9 S+ Y) l, B3 Q. o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。

" H& k1 P1 O* `$ ~3 F" o) h& ]" l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。
! w  B9 T0 w* ?. r' {
& ~  L: ^, G! [4 Z3 u% N- \0 W或者把b但的起点改为1试试。 ...

4 _5 N6 }  d- G) P你是对的。
去掉了随机部分
" T8 B0 r, @9 s" n4 F, Z#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
* `7 U  s; d1 ]9 F* D% R5 F% M
8 }' I5 k: l/ z, V9 \- _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。