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：
----------------------------------------------
. j) O: }0 q- u) j+ aimport torch
import numpy as np
5 d; p$ ~8 o# T! z! p# n% [import matplotlib.pyplot as plt
5 f) P. L4 D3 [import random
, i6 `9 q) z3 `7 o8 ~3 ?5 r3 z  ]
  Y2 G+ Y# f0 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

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

) t2 `8 G2 e3 L( S1 g. g. N+ _epochs = 100

losses = []
. Z' N$ R5 M& E: Ofor i in range(epochs):
" D. G8 _& H) b; _$ v7 |! C  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

1 F; o% o& G8 |' G  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
7 x( y1 S* @) K4 w' O  
  loss.backward() # autograd
& V0 j+ ~5 V0 M7 l! g  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
' c, N9 j/ m3 ]3 x) ^    b  -= b.grad*0.0001    # 回归 b
2 o" I" ~6 |: K+ n  w.grad.zero_()  
  b.grad.zero_()

- `, t5 }* X8 ~# dprint(w.item(),b.item()) #结果
( H% ?$ e+ }7 V5 m  o2 P( d+ Q
, W2 u7 b, ^0 b7 oOutput： 27.26387596130371  0.4974517822265625
- E% R5 Z- j$ c9 B; P  V" 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？
$ k: w2 g+ B( K& Z9 [' a

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。
-------
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？
/ A3 ?& T* q* m! D-------
7 S, L- y2 y2 M8 i9 k不好意思， ...

8 w# W. ?* _0 E6 \谢谢，算法应该没问题，就是最简单的线性回归。
9 I; n# r; H* {, M9 B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

/ i* R/ k7 Q' E1 t( T: H. e

雷达 发表于 2023-2-14 21:52
  V) J! W! Q1 t/ 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 ...

- M9 n" h! b  r( c' l& o
' n7 h$ e  H# S" \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。
1 o, d1 O8 z- }3 `1 n& N1 J
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
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。
; ^5 n0 ~# v" d. A% y
( n6 Z% }9 j4 a# e/ o1 J3 `或者把b但的起点改为1试试。 ...

0 L+ ?* n3 ?: y5 ^! B' X8 `0 t你是对的。
. s/ [+ F6 w9 `去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

9 F1 l: H: _2 Y" C循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418

6 @' j8 a+ R6 b, H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。