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：
5 K) `5 s6 z+ }+ l5 A----------------------------------------------
import torch
# [2 W" A& i% W3 V8 p$ W& O- R" z5 Y/ dimport numpy as np
' H" e0 J3 c. A' O1 Q2 b% dimport matplotlib.pyplot as plt
import 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 t: u; v. @* G
$ S. x) R8 s+ W% Kw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
4 {# K) Q' g( A6 z6 P) Z$ T) ?b = torch.tensor(0.,requires_grad=True)
: K7 }/ j  J6 }' j- }
) c- v, i/ f" O( t& V) Gepochs = 100
4 b* N* @. _$ p8 s+ X. T! z3 [
losses = []
8 y* M& T. E: Zfor i in range(epochs):
  v* s7 N8 ~) ], L8 ~  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
; M3 _  v( a4 F, r- i5 v
) q# _: r7 ^9 m% G: K  loss = torch.square(y_pred - y).mean()   #计算 loss
$ [9 A8 n& H4 |  D  losses.append(loss)
  
7 e( ]/ B% n! F$ d1 L  loss.backward() # autograd
- ^% K( @3 D. z' a# x; t  with torch.no_grad():
; D+ x8 o- f$ k0 m1 Z  a' m% a    w  -= w.grad*0.0001   # 回归 w
3 Q8 S9 A+ N3 u( o" J    b  -= b.grad*0.0001    # 回归 b
$ ^7 V1 c* |, g. E  w.grad.zero_()  
  b.grad.zero_()

9 c; F, H/ h9 bprint(w.item(),b.item()) #结果
( T' b' I' I; R$ c% W# H
4 ~$ C# c2 ?* bOutput： 27.26387596130371  0.4974517822265625
/ n8 a; s# C4 F" O2 @. g3 I----------------------------------------------
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

  ]9 w. g; O/ v- [: ?% r- d) h
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 `2 ^. u. @4 s- z  q/ 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。
% W+ q2 V& @4 a3 K. J-------
! O: H5 O$ x$ @( O& S6 m8 C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
0 K% b3 w! d& `1 x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， ...

; K* e$ r8 A9 x- o9 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

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 ...

- _3 t4 x8 z& T5 @
1 ~. Y& I- d; M9 C3 \% t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 P3 F: N: p. {6 b
' a6 n3 O' F8 d或者把b但的起点改为1试试。

雷达

" h7 @7 f4 @* f& D

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。
! ]4 ^# x8 W8 G9 C
+ ~9 t% @( H% c! r: n0 Y或者把b但的起点改为1试试。 ...

: }# Y# n( T6 q你是对的。
& m+ {. B& d+ Q* ?去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

) ]3 A, M0 ~8 s0 X9 L5 o& X循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
! N& D( M  a& [+ k- d
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。