继续请教问题:关于 Pytorch 的 Autograd

雷达

" r, J$ S1 U6 v0 p. [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
import numpy as np
import matplotlib.pyplot as plt
+ `$ l& J$ T+ _/ Mimport random
9 U5 c- l+ X( x2 @' n6 i
x = torch.tensor(np.arange(1,100,1))
7 W( x+ i* A+ G$ o* ]; X) L$ |y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
, w" E4 a( q# p; J8 `* y
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
0 H$ `) C. w, c# P2 ^2 i2 ~b = torch.tensor(0.,requires_grad=True)
" @+ D( V+ |/ l& N
# v4 a2 l+ c" K8 ^epochs = 100
% I1 Q/ P1 n8 b6 b5 E
; D: S: Z6 a( hlosses = []
, i' `6 }3 F! _* k- _, M' ~$ }8 g7 qfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
; h* w8 o6 z2 c6 W( k' k: O
  loss = torch.square(y_pred - y).mean()   #计算 loss
2 ^4 Q$ n& c+ \5 l5 D  losses.append(loss)
  
. i5 d; P/ N, @& f# H! C' x  loss.backward() # autograd
  with torch.no_grad():
7 V) ~' W5 `) R$ p    w  -= w.grad*0.0001   # 回归 w
, p+ r* @% E1 P; K) |3 c! T    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

8 E9 V, J5 R% v6 T3 lprint(w.item(),b.item()) #结果
( g/ ]: @! I0 d8 p4 M: t
3 ]% {$ ]% b# ]- W# u. QOutput： 27.26387596130371  0.4974517822265625
$ \* ]# @/ i; M2 \----------------------------------------------
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

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？
  X2 P9 m+ k. k$ J: J+ j-------
7 B) u$ f- \( S1 j* |, l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
. _% R2 [% r( z' X8 L1 I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？
5 w. i% C- o" `' S/ N) Q-------
( z4 q) K% S  T- j9 s# h不好意思， ...

# X! g4 R5 e0 l  z谢谢，算法应该没问题，就是最简单的线性回归。
# Q5 ]) g# }, O* I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。
& e) C$ K: t8 y( Y$ 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 ...

7 `: A/ q, L( h: g  N
$ t" L, a4 ^$ x. E  ~9 r5 Z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。

雷达

2 s' y( J; k2 }; `

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。
0 x  d3 C& {% \4 g
  X: ?$ Y3 |# }. |或者把b但的起点改为1试试。 ...

: z4 E' C: [0 v0 ^( l, V& y7 k! I你是对的。
* J3 o/ W8 i) [% i0 W去掉了随机部分
4 C) @8 q- I, M& c* d5 L2 K( b#y = (x*27+15+random.randint(-2,3)).reshape(-1)
) v$ }0 B; i  a9 z9 s# Sy = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
$ |# w& p- u* ~: Z: k27.002620697021484 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。