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：
----------------------------------------------
5 l8 E: J5 h1 Gimport torch
import numpy as np
# ?* g0 R% h5 L6 J0 y4 bimport matplotlib.pyplot as plt
- w0 A6 Y' `, V4 C9 Ximport random

x = 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
3 u& ^8 ?- ^4 {) W" G7 [7 h5 z
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100
* z" H0 E0 J" u
losses = []
: m$ m8 W* t. f. C; hfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
) P3 J# R* p, @5 ]7 V9 F) @
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
  a6 T1 Z+ }- S9 i  ~& T5 E) Y    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
8 q; X5 Z* G  ^) G
print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
5 x% M! F! y' H- o----------------------------------------------
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。
7 l0 i. ]; z; s高手们帮看看是神马原因？
6 s2 j- _2 `# B7 f3 X# v

老福

' ^) D1 M6 Z: v* W+ k6 {
7 p# z5 E' r* `/ [7 a" M5 d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。
-------
. V2 t% Q4 x; }0 G0 N+ `  X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？
-------
不好意思， ...

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

雷达 发表于 2023-2-14 21:52
谢谢，算法应该没问题，就是最简单的线性回归。
$ o! C* w; F! [( J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 ...

: N* D7 Z  R0 e0 N$ H* P+ o- v2 ~
. q' V( E. K# z) J* \" z) K( o0 X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。
. k* p- a6 b8 S$ [; V; ?8 `
或者把b但的起点改为1试试。

雷达

- Q- _, a) h# A6 B- w6 b

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。
( Q/ S! j" F" J2 U  u' w9 ]" g
* Q, M( S/ y1 H& C0 j* Z$ z2 {/ ~或者把b但的起点改为1试试。 ...

" {1 F- K, N8 a- k" x
你是对的。
5 R8 ?1 ]) h1 S: P* W* v去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
2 X4 N5 F; ]0 C) k! f& z& B
循环次数加成10倍，就看到 b 收敛了
2 @$ h* H( ^1 _% X+ 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。