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：
----------------------------------------------
3 l4 Q. `  b$ m# l4 U8 V, pimport torch
- l& {( h+ }, E  }1 Himport numpy as np
! w' X4 Y& x+ e4 q, Vimport matplotlib.pyplot as plt
9 M2 ^$ [& y; Z0 E2 f2 rimport random

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

4 ^: y7 b$ H4 t' d- Q6 lw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100

losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
2 C8 J' s& y+ d& D; M3 I  y_pred.reshape(-1)

- L* V4 l8 [! @; T$ w  loss = torch.square(y_pred - y).mean()   #计算 loss
/ j5 k# ^  Q" H2 W9 }  losses.append(loss)
  
' a1 u6 E7 R& C. N0 R# x" k  loss.backward() # autograd
8 c+ H1 O! `1 p3 A. c9 V1 x# X  with torch.no_grad():
7 h+ U/ l# {$ j0 c$ P    w  -= w.grad*0.0001   # 回归 w
/ S  q4 n) m1 v7 ]    b  -= b.grad*0.0001    # 回归 b
! f6 M4 [; ~3 o+ e+ ]9 b( c  w.grad.zero_()  
0 s1 v9 S$ {% C, A% ]  b.grad.zero_()

8 @/ j; P; L- tprint(w.item(),b.item()) #结果

8 j$ x$ O7 I4 Q; K* fOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
1 V3 O7 j$ F  l, t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

8 z7 B0 A0 B7 X/ X4 [4 d  K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 e: o, F. n5 d4 ~0 F4 z# V-------
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。
-------
$ L2 O% D: F0 a6 E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？
5 M. i* }4 h4 S$ e-------
不好意思， ...

) m; z8 y2 ?5 Y" d谢谢，算法应该没问题，就是最简单的线性回归。
; `6 ~" d) w! f% x  K  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一下。

老福

雷达 发表于 2023-2-14 21:52
8 H% N  Y1 m7 ]6 h: {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 ...

5 s/ V# y( R" U
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
8 u+ O$ I; y! s% W8 P/ _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。
- P; o* C4 Q! w9 v( B
或者把b但的起点改为1试试。 ...

2 f7 U3 t  q, J$ ?1 M3 r
你是对的。
; r- |6 h5 {4 W2 x- Q, t7 G2 u去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
* ]$ O7 b7 d" N* [, c- b
) t* ?. V$ R9 l$ e8 y循环次数加成10倍，就看到 b 收敛了
0 k$ H0 T! {# z0 f/ Fw , b
27.002620697021484 14.826167106628418
5 b9 D8 C) h! x  [5 r8 E- Y, a
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。