继续请教问题:关于 Pytorch 的 Autograd

雷达

' w+ h% Z. u" ]  x  W5 n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：
----------------------------------------------
* d9 n& f6 k% Z7 b' X6 U  p8 \8 {; v3 ]import torch
import numpy as np
& o* e) R. r2 K( C+ S; Nimport matplotlib.pyplot as plt
import random
+ W5 E' g: ]  d' q! ]4 g
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

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

; ?3 f: e! b0 V, s$ jepochs = 100

8 |  G$ Y: ?% f2 y. Dlosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
8 @* M% Y: }- c* E- X
  A9 ^9 y, m- U, ^, U, x1 L  loss = torch.square(y_pred - y).mean()   #计算 loss
9 m' _2 t# j' i4 Y# i  losses.append(loss)
" ]  v" m4 G& f  r  
  loss.backward() # autograd
: P! p0 `0 A9 v; s3 |  with torch.no_grad():
: J& e. X) M  R4 T- ~2 M    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
. O( {' J: Y6 F% G  b.grad.zero_()
/ f7 I6 B* ?4 t1 t
print(w.item(),b.item()) #结果
' x# F+ f3 C4 i( e5 U: G; m5 u
- l' _0 |' Y! V0 M# d6 ~" T7 AOutput： 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。
高手们帮看看是神马原因？
: E3 Q+ c, v; R! E2 J6 O0 t+ k8 O

老福

9 L  v1 M. {8 Q# c+ m4 Q
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？
+ N' O1 T+ }+ C) t9 _# A( 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。
* b1 N% ~1 o8 P. M-------
3 w0 ^$ m8 t0 ?+ k5 w0 x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
9 M6 C' Y( h, |/ @, ^5 a7 @9 y% W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？
" R/ C& j2 e* C7 g6 E0 Q6 e-------
5 X* B1 m6 O: z( Z  I1 Z不好意思， ...

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

  S9 d/ L/ k! i7 E! u1 T! P

雷达 发表于 2023-2-14 21:52
  g8 L+ U9 X6 z/ }. n" e! D谢谢，算法应该没问题，就是最简单的线性回归。
: S+ R0 [8 A3 v# a+ E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 ...

" Y: r+ m/ m( ?( z3 Z/ k" S
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
; G$ T$ P+ O6 k" J) s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。 ...

* S- Z+ C% U* r( V6 t
" F% M0 w1 a+ z8 T" Y+ Q你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
2 K' n+ y7 `0 ^3 Yy = (x*27+15).reshape(-1)
2 V8 J7 V' ]6 N5 x4 p: P
) H% g: V3 p: O) }& m6 M2 Y& X5 M) m循环次数加成10倍，就看到 b 收敛了
2 c* n5 E) r6 w8 U2 [w , b
  u. k/ |1 n. m% W2 {# p7 \/ r27.002620697021484 14.826167106628418
4 Q# A* O1 s* j  J( }
% k4 `% B3 q5 J! i0 @  R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。