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：
----------------------------------------------
import torch
# }) w2 \. e$ F0 A4 r" Simport numpy as np
import matplotlib.pyplot as plt
0 \2 l, ~4 t- t' v3 Limport random
" g& z# M8 q5 B2 S6 C: b6 G3 ~
, s/ G! A% K1 \8 t' P# Kx = torch.tensor(np.arange(1,100,1))
! B  U& T7 k3 D6 q9 r& a4 i" Dy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
& ~8 g$ d* }* M- L( p( v- s
$ G3 j; S  E2 W2 r+ ^6 _w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
" Q! o* C7 a6 I' H9 T% ^b = torch.tensor(0.,requires_grad=True)

9 a8 `) ]; w' N+ m" _epochs = 100
& B& I* |% _3 i: K
! m0 B9 B0 X2 J, e1 {losses = []
& P! i. m- A6 `8 @for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

: n7 c% t) |! g5 L* N  loss = torch.square(y_pred - y).mean()   #计算 loss
5 f, q2 C! N% Y7 X  losses.append(loss)
  
  loss.backward() # autograd
+ H; A6 U" Q: ^9 v$ ~$ q8 t/ A  with torch.no_grad():
% ]5 M5 V" e0 N0 [4 w1 ^    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
! l0 `# N& U* _3 m( X  w.grad.zero_()  
  b.grad.zero_()
& N! p3 C* ~# F+ Q
$ L+ u$ |6 _2 r7 o% R  I( uprint(w.item(),b.item()) #结果
6 C2 @& o/ |+ C6 P! ]5 n
/ i. o! m/ a) B* s' v$ F1 X, E& Z/ g: ]Output： 27.26387596130371  0.4974517822265625
" D) S8 X6 F$ k) R6 _, I----------------------------------------------
4 I# p$ j! S$ c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。
" @% _3 Y  H& X8 N高手们帮看看是神马原因？

老福

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，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。
5 P* n/ m: P4 ]-------
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 Y# K- L# y) }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？
. c$ ]4 _# m' }; U-------
不好意思， ...

) y- v# @! y  \5 W$ A. m, D* W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

0 K3 r( [( l& W/ e, U$ G8 `

雷达 发表于 2023-2-14 21:52
* A+ _6 _" Z% u' U6 n( 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 ...

. m$ [# m/ a! |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。
# I7 L! s6 T+ U
或者把b但的起点改为1试试。

雷达

& ~0 q% g- J1 M9 m2 h/ Y

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。

或者把b但的起点改为1试试。 ...

你是对的。
6 u' G/ d4 U" K: [, Q去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
7 t7 f1 h0 ~& b5 T+ G/ ry = (x*27+15).reshape(-1)
6 l+ o+ J) a0 S. A7 _
& v. i# e" C: z! k; ?循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
* b5 M  ?" u: N
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。