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。
, E9 z2 b4 H/ ePytorch 下面的代码做最简单的一元线性回归：
' Q, I5 E, |/ ~----------------------------------------------
import torch
import numpy as np
2 z* d# g( O- Kimport matplotlib.pyplot as plt
* n& ~$ \0 J" F: H9 `1 Wimport random
3 s4 V" W+ F# S6 z4 a, b
7 C: c: u& b, D# G. t; x  tx = 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

/ n# @* a. E& Y* y5 h8 Kw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
% c% O8 t/ @! O: o4 x
epochs = 100
0 Q9 T' v# N2 ^8 s2 i' k% R
losses = []
+ Y6 H6 d6 y5 M3 i2 {for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
; z/ M- ?0 C) I3 F) R  |  D! {, I  losses.append(loss)
7 L9 i( T( A$ D9 }2 s/ E  
% f, }5 Q, K2 ]! S6 N, O+ K! [0 u  loss.backward() # autograd
$ {0 }' j1 x7 E9 \( `  with torch.no_grad():
" [) h0 _2 \8 y- h    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
, A& a: g; z4 g5 A! \2 K
. q1 `4 l$ M6 k! d6 Jprint(w.item(),b.item()) #结果
4 ]7 }2 I4 S' S0 O* k- |
Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
9 ^8 k/ r# ]8 D, s. j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

" l' I: j4 L8 F! \% m
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 v0 x4 K" A% t4 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。
-------
0 k$ O0 P  F: n* G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
8 l0 Z; b1 H# 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？
-------
. \3 a" |% [' |  D( o6 ~不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
- d0 w$ D6 Z1 e  X0 _: 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一下。

老福

+ p# m2 i. i0 U1 n+ A

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 ...

/ s# o+ t. `8 A/ ]. q% r! S
4 h6 Z6 L# K( H( I% Q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。
$ s# {- w9 R! v' a  w
或者把b但的起点改为1试试。

雷达

1 j$ g. O7 _: t5 d7 I. C8 e

老福 发表于 2023-2-14 22:00
  Z3 \. Y4 _' R# x5 P  J, s* f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。
) k! o( D# F3 P' l
- }& }' S1 ~$ ^: {或者把b但的起点改为1试试。 ...

! [0 R& F7 f3 x/ D4 G+ G! ?+ Q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)

" b& I3 l3 K' b+ Q, C2 B9 b循环次数加成10倍，就看到 b 收敛了
w , b
& i3 ^* h4 s& a' F8 A; l2 V27.002620697021484 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。