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：
----------------------------------------------
. z4 o( X+ g+ V% |import torch
( P0 h$ K1 r/ H6 Uimport numpy as np
1 e& L% G) v4 }import matplotlib.pyplot as plt
4 Z6 a4 d' a5 ?: F5 timport random
( Y/ t1 @& s1 V
x = torch.tensor(np.arange(1,100,1))
0 V5 p( U) M/ E/ Hy = (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)
4 L3 U4 X) `+ c
epochs = 100
, ^8 c' I% B5 n% }
losses = []
( V. ]. P+ y! W& Yfor i in range(epochs):
. {& I7 S5 Y+ j, }1 J0 Z( c  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
& k* q' R' A2 q/ p* h+ E
: V3 w$ g4 `; R  loss = torch.square(y_pred - y).mean()   #计算 loss
/ k) H9 d! X# _! r4 {  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
7 ?- b( Y/ ~& B+ `) o' p$ S    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
1 g! F! v% q! p
! t- v# C7 B7 p  N0 L/ L, F1 r  vprint(w.item(),b.item()) #结果
5 C. d. e3 |% ^. p0 \4 ]
Output： 27.26387596130371  0.4974517822265625
( r* y- T, Y- Z$ g4 f. s* x----------------------------------------------
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

0 ?( u1 z2 z1 R& Z7 J# j$ O4 V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？
+ w& h. H5 z+ g6 [-------
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
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？
  t. N) ?* Z, v( e8 M$ h" c-------
不好意思， ...

7 ?8 n8 T+ K3 _谢谢，算法应该没问题，就是最简单的线性回归。
4 x, B1 y/ ]( E2 G, r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

" e  G' M/ t6 m5 {

雷达 发表于 2023-2-14 21:52
1 O6 k3 o/ y* z7 I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 ...

+ M! b3 c, `* J# 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。
" ~2 f+ g* q/ x* R+ }- p: Y
; b* d3 N2 n) r) P或者把b但的起点改为1试试。

雷达

" d7 d; I. S1 b$ b4 P* d4 u

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。
6 q1 Q' t: e0 q$ P( `
或者把b但的起点改为1试试。 ...

3 h, H3 \2 \7 _( R
你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
* N& t$ o: s& l* ~+ o- {0 P* ey = (x*27+15).reshape(-1)

/ V* v: [( r8 ~循环次数加成10倍，就看到 b 收敛了
9 i* Y* p5 }0 u  K9 ?% _: E1 Cw , b
27.002620697021484 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。