继续请教问题:关于 Pytorch 的 Autograd

雷达

; I7 J/ p- P+ d7 e+ c3 X
0 j$ _9 ?& m# ?  {; C为预防老年痴呆，时不时学点新东东玩一玩。
. \- ~1 Y& a" Q+ J* K! P( e$ {Pytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
7 b3 M; S* R! E. J1 Jimport torch
6 o; J+ K1 i, l+ }import numpy as np
# k3 C. \! L5 p' t& ~import matplotlib.pyplot as plt
import random
6 u- s# g* Z6 O4 a
, P6 B9 U; 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)
2 c. [6 S- Q# O6 `
5 p. c" L& z/ Y9 e& Y- Wepochs = 100

losses = []
for i in range(epochs):
9 ~; O0 \+ h  P& }% r  y_pred = (x*w+b)    # 预测
+ h. c% u; O. C# m; M  y_pred.reshape(-1)
$ S# A, c  b- }
' o9 F) a/ A+ |  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
- @/ z. r1 f( @2 n; M  loss.backward() # autograd
8 ?. H! V) l% t  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
8 G9 P  q3 j' V! a0 w  w.grad.zero_()  
  b.grad.zero_()

* ~  \4 h- n# V/ dprint(w.item(),b.item()) #结果

& z3 d2 k% M! s- EOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
: ~" k. z: p: }3 c% V! @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

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？
% J0 m( j  Q8 }( ^* I  X# B-------
, A+ _9 j  Z; H3 R3 Q. F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
. h+ V. i; O4 ^. D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？
-------
6 q! Y8 ^+ r" H  ~) D$ Y不好意思， ...

+ `8 R1 m: x4 S4 C/ ^3 ~& P" x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

1 M# o& a( H, S" J, M

雷达 发表于 2023-2-14 21:52
. Z/ I' D7 l, b谢谢，算法应该没问题，就是最简单的线性回归。
! [4 E- t9 R' q+ K* s. [# P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 ...

" E0 ^, A  A1 y$ ]7 J8 {6 }- ?; }
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。
, b1 r- N/ R0 |& G/ Q$ Q
/ \9 Y# q4 [: V9 r! M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
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。

1 z) m* ~6 U% R) i9 a5 J4 u或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
0 l2 J9 ?0 ~% O$ L
& r1 U' J$ V' |# m6 I4 V循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
8 t% n% D0 P8 y; 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。