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：
----------------------------------------------
( h4 s! L! e3 t, i9 O* {import torch
import numpy as np
import matplotlib.pyplot as plt
import random
: A) B" a: ~6 s# l( s8 v
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
) V  i5 ]  w, L6 e- c' S
% u1 J# ]9 ]7 O: L! c& L+ T- Kw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
: U! ?% i% u5 G. a) ob = torch.tensor(0.,requires_grad=True)

0 W: K+ U' p, ?epochs = 100

losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
' i* N% W" y" V5 N! j  y_pred.reshape(-1)

6 ]0 y9 |: [3 Q" S" R  loss = torch.square(y_pred - y).mean()   #计算 loss
! I8 \; q5 `( \9 B* a  losses.append(loss)
# [3 \1 U8 S- a8 |  
  loss.backward() # autograd
) F# _9 |' u! ?9 U( K6 g' T( p' w) d  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_()

print(w.item(),b.item()) #结果
; ?- C$ W9 a# ]
Output： 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。
7 w  q' R+ C. n8 u3 a# q/ S高手们帮看看是神马原因？

老福

& S- W% J( i- l1 |  b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？
-------
# t" I  X7 m; E- y7 @$ n! _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。
-------
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
! I; n1 r& l, q! i$ v" Z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， ...

1 N; `2 @- B) f( e$ \" f: q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

! {& b( c7 c& m5 y

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 ...

. n% Q" ~' \6 |3 M* d# _* H
# Q3 f7 n* T+ 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。

6 ]" N/ N3 Z1 L# [" \6 f5 L2 B4 H9 {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
7 v: H* @7 l/ g9 ~$ G3 d4 O* g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 N+ E0 b7 I& b
+ i% c2 l; p1 }  ?5 }# G: |! f或者把b但的起点改为1试试。 ...

你是对的。
+ P) `( K0 {0 g$ t. o去掉了随机部分
. C: J. y* q- J1 V6 \#y = (x*27+15+random.randint(-2,3)).reshape(-1)
& r! M; p% J* A4 h$ {y = (x*27+15).reshape(-1)

* ~; T, T3 n! C6 p. S% K  u3 E循环次数加成10倍，就看到 b 收敛了
w , b
9 x3 F& O! {4 ]! P2 y27.002620697021484 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。