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：
----------------------------------------------
$ U% `' k! A4 u# k8 B# m3 Vimport torch
import numpy as np
import matplotlib.pyplot as plt
! ]7 N, F% W% A: C& ?5 l% i# Mimport random

2 k  W9 {) O( J; kx = torch.tensor(np.arange(1,100,1))
  P( G" s% h  C* h6 Ry = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
, E) N4 i' P: a8 }/ I& [" }
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
# D1 Y- _. i* q, b" D. f
epochs = 100
/ `% r5 L6 |3 E
! ^( Q" D4 d( L7 G! H5 ?losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
7 D# [' e1 k4 c" {$ M
# }! [( U* T: i1 p7 F& b; b  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
4 r7 B4 U- N  O4 N0 @4 I! V  loss.backward() # autograd
  with torch.no_grad():
" n0 v, n* C! I5 T# x. X' b    w  -= w.grad*0.0001   # 回归 w
3 ^7 n0 ~( [5 B/ Y! Z2 z7 G+ [# q1 K    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

5 I+ v/ S, `2 t; yprint(w.item(),b.item()) #结果
9 Q8 w7 s6 I* D# X; v
8 X/ F/ h- g) t1 w4 ]! o. b7 Z$ h9 ]Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
2 C6 Q7 q4 J+ [& n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。
9 B7 t) F6 e# D9 o4 W高手们帮看看是神马原因？

老福

5 v' k: w7 F( {5 _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？
1 @9 X  F9 Z0 y- S; J: |: o# y-------
+ l5 t& m3 P6 q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。
-------
) N* w/ D8 s3 `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？
: |, }7 [' k; x+ W8 N-------
, j9 p& @' C2 X5 h8 Z7 l  U3 U2 S. W不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
. m3 W1 D* h# O* i5 E5 A7 N( X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。
9 t% a5 l; k- G8 b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。
4 H: @1 i* Q" A9 D; q. x! j
或者把b但的起点改为1试试。

雷达

' U9 O6 n/ P4 t+ `5 f% L: }

老福 发表于 2023-2-14 22:00
- A0 T2 W) W* m  `" @4 u( M6 d9 Y4 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。
/ o4 c: h# u4 g# q5 e+ w9 g# G
$ v0 z5 n+ r7 l. Y或者把b但的起点改为1试试。 ...

  R; F7 |5 Q' f% D# a0 p
6 ~+ d8 j9 f2 q9 }" V2 i5 x5 a, A+ _你是对的。
! _" i: t: d6 @5 S; C去掉了随机部分
0 H8 }+ Q7 p* i% M# u0 i$ S3 m#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

+ i9 F% o5 X% j  B( @3 \3 @循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
7 T8 [7 |' i# ?
- R& i8 l7 N2 A' v  ]* ]& l- v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。