继续请教问题:关于 Pytorch 的 Autograd

雷达

7 w5 g; b! n# \( [; l- I) c; f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：
( e, x9 A1 `0 _5 ^5 \----------------------------------------------
$ J, R; {8 o5 w4 U/ f) h+ t$ [% J2 aimport torch
* g# H" z: {4 r1 U+ l" y# _import numpy as np
6 ^5 t2 n8 w& W; x2 Y6 M1 simport matplotlib.pyplot as plt
import random
) H7 k. V) s9 S$ G& Y1 E  q
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
' e. E" \7 S" r3 m8 D! \- |* L
2 H. }  s3 a9 d; T- a- J8 l# rw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
8 B7 K$ a+ y+ g! k2 A
6 j/ G  x% a# }8 B. B& X# [epochs = 100

losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

# e' ^9 X; |; f, \+ L9 e: p2 a  L  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
. B  ^) W8 Q+ q/ j5 k# Y  
  loss.backward() # autograd
  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_()
/ Z! k" _1 k# T4 ^" ?- L/ c& O
print(w.item(),b.item()) #结果

& U2 ^5 x# Y; ]1 j6 {; x- ?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。
高手们帮看看是神马原因？
% U5 \. ]. ~9 H/ N. e9 l

老福

  q2 V2 F  `: n
. ?' N0 A, i! L3 k: x& x3 i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 O' ]' P; ~  `  `$ E; ]1 Y2 X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。
9 l. h: \0 y0 T# f4 a' l8 s-------
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
6 i1 K8 W1 _! G. k2 O' P# 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？
- [( [$ k- u! p  o! h4 \% f-------
+ `  l) W. e8 j* B9 H不好意思， ...

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

& v  r3 t: ]; E. r8 ?% g

雷达 发表于 2023-2-14 21:52
: f3 o5 ?0 i; 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 ...

0 t9 [! O# Z6 V* B) E5 u3 d: I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。

. A4 t1 W, w: e. m; x1 {+ Q1 l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
/ G* s  a2 }- t6 n1 N& R4 M' W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。
. L# x6 y4 C9 V5 q" z: Q' w& _
' V! ], V( I) D: l. `! `% a( B4 S% Q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)
& I+ g7 X5 C5 b' G: ?5 ]
4 W4 a3 L3 i% Y% u6 s. ?3 C/ P; T循环次数加成10倍，就看到 b 收敛了
w , b
& ]  E! q& Y8 T8 v& a27.002620697021484 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。