继续请教问题:关于 Pytorch 的 Autograd

雷达

) N( T: Z- G! M4 A" C, Z( K: j/ A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：
9 r* m7 N: \4 a----------------------------------------------
import torch
- H( [% u; b7 ?/ H% ?1 m/ wimport numpy as np
8 s/ J$ b$ k# w, Wimport matplotlib.pyplot as plt
3 Y/ a9 z- d. aimport random
* m+ E6 \& \& K0 h
& \' ?' u. D; S0 |! j. }x = torch.tensor(np.arange(1,100,1))
: |- q& _% ?; {1 s8 K5 Wy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

3 P0 |8 G+ u, @w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
" _9 }# t" G9 |8 Q2 W
epochs = 100
/ H6 V5 S- [' A9 T# a) C, T" G
losses = []
for i in range(epochs):
$ ^& @- i! i% L8 v1 Y- Z  _2 k1 w  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
) V2 @6 ~/ q8 ]8 k% a  losses.append(loss)
  
. r& E& A# Z( h/ t9 n  loss.backward() # autograd
4 Y. K; G6 d3 f. K3 X1 E) }  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_()

, h7 c/ C+ o. w/ \& W1 xprint(w.item(),b.item()) #结果

$ _4 {+ b$ Q) W( NOutput： 27.26387596130371  0.4974517822265625
2 u. V8 I  B8 u) s3 x: 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。
高手们帮看看是神马原因？

老福

/ v% `# I$ a# U7 U, u! b9 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？
  w+ B# p; d3 ^5 i- d9 _3 \8 n-------
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。
-------
4 G/ o" ]; E+ A7 A+ F$ o/ H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
* w* q$ P- ^) n0 I+ e5 \8 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 ^- n5 I5 ~/ A# s' P' \" {不好意思， ...

% y( r, {7 D2 N8 u2 {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

  w0 `2 ?$ \& Q9 y

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。
8 D- f. r2 q' e& 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 ...

+ N6 [; X( k! e0 c7 r9 l& c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。
# w8 F) X9 O& W  D6 u
或者把b但的起点改为1试试。

雷达

% ]! s4 c1 ?/ P

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。

+ ?( A) u- V5 H6 [3 f或者把b但的起点改为1试试。 ...

3 w8 f4 Q  u( [9 w  B4 r你是对的。
$ b* F6 O! m2 f+ O2 P. t去掉了随机部分
; i/ b# E. E+ j* A7 R$ E#y = (x*27+15+random.randint(-2,3)).reshape(-1)
6 z, G, A$ t3 G1 s: Q, }9 py = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
, m% M) g! i* _  Q  T8 _+ a27.002620697021484 14.826167106628418
0 z/ B/ L6 j; T& a! {. l+ }
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。