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。
2 a5 f, X9 T# A; w- VPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
5 R1 l  a# b' o- \: y: Rimport torch
% m$ ~. W& z( H& @2 u  O/ Vimport numpy as np
1 |: O1 M# Q$ G5 Z" i2 K8 b3 `$ Y, W6 Himport matplotlib.pyplot as plt
import random

" P, ?6 k3 ]; J' E3 Bx = 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
6 s) g/ H$ M" a
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
: p- m& K, ~6 x1 Q& e) P7 _% T; ~b = torch.tensor(0.,requires_grad=True)
. r  E4 W' [0 @1 I/ U
epochs = 100

losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
+ l& H$ J# w6 \1 v  y_pred.reshape(-1)

5 @7 U' E2 F' Y3 J. j( z; J  loss = torch.square(y_pred - y).mean()   #计算 loss
5 l# \" V$ t4 Y# B. \  losses.append(loss)
  
  loss.backward() # autograd
+ J8 x5 {" C% }! T4 U' x4 X  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_()

print(w.item(),b.item()) #结果
; E5 Q! n8 o' `# l# P& V+ O" j
7 C* H. M% B: f0 a9 T$ v# W6 c8 oOutput： 27.26387596130371  0.4974517822265625
5 O4 M" t* @& t----------------------------------------------
& ], [  Q& n, W; J- T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

+ Z" z) k. X" H6 ?* j5 P4 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？
' O9 L9 w/ |% G  P2 z( 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。
-------
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
# R) T4 U/ y3 x( [# \) 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？
9 `2 D  L$ o$ j5 K9 ]-------
  M$ J) y! I' O- S) s. T% W9 O不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
' s: ^' N/ U, O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
$ u. p/ p( W% e4 D: t$ F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$ ^7 m1 X& T/ P9 }# s
( o. b& S2 Y9 {2 {# g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 v* D, U  W- r3 `- A0 {
或者把b但的起点改为1试试。

雷达

4 Z% x$ |- S" [% X, ~8 l$ l6 L

老福 发表于 2023-2-14 22:00
! |& l8 Q3 K% |3 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。
+ z3 B+ C: x/ W" s  F; z6 B) \) Q
" M8 K9 R; `$ {7 A或者把b但的起点改为1试试。 ...

& m* z- E! n) a5 V. |
- ^" Z- n) g) d5 D) L你是对的。
6 n1 H* B  H* M2 a7 `5 t$ F  k去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
6 S7 U0 G% K6 J. i7 E8 By = (x*27+15).reshape(-1)

5 V3 x3 _+ K: ^6 j. |, S循环次数加成10倍，就看到 b 收敛了
- ]# U- @2 A6 G8 D6 O" t. Bw , b
& F% Z) Q8 }+ x/ F1 i( F8 ?' S27.002620697021484 14.826167106628418
* p" u& [- X2 }0 h* H* N4 R" z
: e2 N. ^) {$ \3 |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。