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：
" a  K9 z: f* n- |3 d1 r* H* t----------------------------------------------
import torch
import numpy as np
  c6 b& Y2 L/ `6 l" x( Eimport matplotlib.pyplot as plt
+ i- Z$ I8 E4 M$ C" W% ~7 Limport random

+ S2 i/ W0 h, d2 f# S+ M/ Cx = 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

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100
: \0 H, b: }7 [# L0 n$ G( V
losses = []
9 O+ Q4 m) m2 g. ifor i in range(epochs):
* P# j3 |. M" F6 E  y_pred = (x*w+b)    # 预测
' |) ^! Z! a' f  y+ q$ v  y_pred.reshape(-1)
9 U8 _7 \! h+ C7 ^& V
- ^. f3 N. j5 j$ n. b: q& k3 c  loss = torch.square(y_pred - y).mean()   #计算 loss
. U; u% \) W8 w. n$ @5 _$ q' f$ g  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
; w, x; a- w9 ?( F  [    w  -= w.grad*0.0001   # 回归 w
0 _# \2 z4 `9 U) \* o5 C6 |    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
3 W9 T/ W/ i6 v: b, b' {  b.grad.zero_()

% ?8 a0 q$ w% N: O, gprint(w.item(),b.item()) #结果

( ~% |) o: u7 o& D) O# |! S& tOutput： 27.26387596130371  0.4974517822265625
/ U& D1 V( u$ M----------------------------------------------
1 B2 t  @8 \& Z. n! }1 G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

7 C8 l# s; u5 Y* f" N/ @* W
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？
' E) k3 H; [$ y4 Q4 Q, 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。
-------
# Z/ l  k* ]* X4 Y5 M. `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 e( k4 X9 |& D/ a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？
6 l6 M( g9 G0 d-------
不好意思， ...

. m; [& O9 v& g5 O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

. ~  g9 \1 |( u: Z8 Y9 v

雷达 发表于 2023-2-14 21:52
/ N3 x1 g* I' e$ f& f# T谢谢，算法应该没问题，就是最简单的线性回归。
* |0 U" }$ S4 G1 l+ w4 E6 h# K6 v* }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 ...

2 a& c% Q& ]1 M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 _6 m5 N! h- I
或者把b但的起点改为1试试。

雷达

! N' Z! N6 g' {1 T( @0 X

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。
去掉了随机部分
, K5 R& k, t8 V, S% F& |' C7 z: I#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
* M- ?0 T# ~+ [5 |& Z3 j) X
6 a& O5 }0 o0 ^4 P循环次数加成10倍，就看到 b 收敛了
w , b
, _! Z) k0 d7 r- X# u27.002620697021484 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。