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
' L& P6 z$ U9 I1 z; jimport numpy as np
import matplotlib.pyplot as plt
. M$ k; v. B0 uimport random

x = torch.tensor(np.arange(1,100,1))
! ~! @8 S) k- N0 d2 T( ~* Yy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
6 j: e0 h4 Z) v7 d3 a
( d0 a/ |: a2 g  V8 s4 c$ Vw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
! }6 V6 B( T) F1 f- {( F7 Sb = torch.tensor(0.,requires_grad=True)
, Z9 E* L; Y2 o# u9 H9 a/ r/ E& Q
epochs = 100
. c) @+ Y% J% h9 t% O+ q
& B% Y4 M' i. i  e+ ?losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
! Y) H; ?, Z% a) l' H
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
5 P" y- |  [6 q# G  
2 c6 t$ w5 w9 _4 j- X  loss.backward() # autograd
. M! @2 i6 u. p+ m% r  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
+ {. b6 I0 X2 R, V6 o$ _  w.grad.zero_()  
  b.grad.zero_()

' N. ]8 `$ `- nprint(w.item(),b.item()) #结果
* L* N% O: |% m+ R8 U  Q& T  [% \
7 y+ v% p! g! BOutput： 27.26387596130371  0.4974517822265625
9 K7 P3 k# G8 n1 `& }----------------------------------------------
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。
8 e' {  f: x7 Q6 e4 ?' U+ d高手们帮看看是神马原因？

老福

+ {( q( d1 ]+ z( P
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，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 m! }0 `$ v. B( O) e# b$ |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？
-------
: M+ z; t  w) g不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
% Q: i. c/ M/ `8 d$ J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

0 g* w7 i% _+ P+ n6 s: U

雷达 发表于 2023-2-14 21:52
; _2 }" j" N4 v9 @/ ]$ b谢谢，算法应该没问题，就是最简单的线性回归。
( I' Y' ?7 U# j0 C! _! Z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。
" I( Q! a' H4 z6 n5 l* Q4 D
* ^; S, |  ^/ J4 j' m" z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
$ u# q5 ~8 W; l5 P( N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。
; l5 Y# b# p- ?1 Y
- u" x3 j& w! k, `或者把b但的起点改为1试试。 ...

9 L$ s: g, `/ _1 {5 L: n
8 c9 H2 }3 j  u; r你是对的。
0 a4 T( A: x% [) ~4 |! a( N9 H# I去掉了随机部分
2 S4 F2 J' w' y5 e' A#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
4 d: t! X- w$ g" G- w27.002620697021484 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。