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：
----------------------------------------------
/ r0 |: _3 [. d  ]' Yimport torch
import numpy as np
import matplotlib.pyplot as plt
2 l  p# z/ z3 Q* g6 D5 O7 M! @import random

# ?, k% [% C$ F# Xx = torch.tensor(np.arange(1,100,1))
2 G9 m* o, W2 Z% ]9 B+ Fy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
4 [7 p, e; T, B  ~3 V( b" x
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
. T7 Q. N! x2 V, ?' R1 ^$ f
6 T) A1 J& k- M& pepochs = 100
! j4 ]! t9 j" T9 \: X
losses = []
& r4 g' t2 q. F# }5 [for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
( L% Z2 w8 B% v( |
+ _  h& X6 D' u# Q  loss = torch.square(y_pred - y).mean()   #计算 loss
0 I+ t8 M* d9 ?. R; K  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
  w.grad.zero_()  
  b.grad.zero_()

5 L2 y5 G1 g8 W4 l5 ?9 H4 y3 nprint(w.item(),b.item()) #结果
' b- e- u/ H  f+ ?* }) H
Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
- ]3 {3 ]* E  D2 b8 d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

" @7 O2 r* Q5 X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？
-------
8 [2 D' D8 M) F5 B* D4 i& H6 N7 U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。
8 }3 _. Z5 B' c6 y3 K% J-------
7 w5 d" E9 M& O: D" h, O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， ...

) f2 f4 Q& x7 x9 I! m3 y# J谢谢，算法应该没问题，就是最简单的线性回归。
/ W3 j* V- ]" n2 v7 X) t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

8 m& }8 ~4 c" E

雷达 发表于 2023-2-14 21:52
" A# |; i! c4 Y. C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 ...

% H2 F3 R( P: S6 [3 o  c
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。

7 Q: ]- P2 Y; W" `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
0 _9 L$ Q/ I2 S- ]3 |: r/ r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。
3 E+ \& ^" w5 {
或者把b但的起点改为1试试。 ...

4 [% t: C, g/ [
5 X9 c# Q& E$ F8 b% N: o你是对的。
/ F& K3 Y' z( |: Q7 v# H9 X' ~去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
" m4 |9 M  e1 {3 n+ iy = (x*27+15).reshape(-1)
; f! O6 l9 t( K3 G/ u$ |
' b5 R  i. K) e* R" ~: b循环次数加成10倍，就看到 b 收敛了
w , b
% E" G* ?# V) ^, Y* T6 Q27.002620697021484 14.826167106628418
% g0 z& K  S$ T. g
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。