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：
----------------------------------------------
1 {. Q- X) m2 d' r- m2 ?- Himport torch
2 R, i' m+ Y7 E) eimport numpy as np
+ W" y( L  R; b3 ~import matplotlib.pyplot as plt
0 Q" @& }$ R7 @# \! rimport random
1 D# m: i( U& P' L- W
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
" {+ b3 }" N% Z& D* t! T! }
) r- u( N- a' ~8 G  {w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100
' a# i) \3 v! F$ u# `* [% i
losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
4 C5 l2 g( ]* S+ k: j/ p
+ ^6 ?! D. m/ G% e/ j  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
& s2 f$ A% E; G, z( Y- i  
7 ~9 N. z8 U, Z' k6 y6 s  loss.backward() # autograd
6 i9 [* H: N& f  with torch.no_grad():
1 \+ R$ D2 h3 Y% _; t3 @    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
, {% k  F0 q& w0 s; R  w.grad.zero_()  
" Y1 S1 k/ A8 V" [. W$ G1 y$ P  b.grad.zero_()
9 _: S( x& b" m, A8 w
print(w.item(),b.item()) #结果
+ `& l' H, G" H9 n
Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
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。
+ K% \' S6 K! ]$ N6 d$ q高手们帮看看是神马原因？

老福

6 G% s% e8 Z' C- b
6 Z* }: X5 L) r$ o. y7 S+ o3 q, 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？
/ c: `! r3 V: ^-------
5 ^; ^- h9 z: s6 {- a. n/ h: k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？
-------
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

% t, ]6 T9 \  Y; T' c1 Y

雷达 发表于 2023-2-14 21:52
/ {3 x1 U$ z2 X0 p3 f5 c( |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 ...

) g4 ]+ {  L  L  _5 p( e- [+ a0 ]
0 z- N  |. {) a+ U4 ?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。
' }  d0 {- J7 P* @) R1 _
: y; ?/ }9 N2 V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。

* A0 f. w1 t) y4 U1 i4 Y或者把b但的起点改为1试试。 ...

, H# ?# E; u8 @# X你是对的。
去掉了随机部分
1 I: f( y* E  ]: n8 S1 b; g#y = (x*27+15+random.randint(-2,3)).reshape(-1)
# }" o! j) T; O5 Z9 |y = (x*27+15).reshape(-1)
. v; D! p$ W/ d( F. T
5 f# D3 W7 q& {* P2 \; [) X# u+ ]循环次数加成10倍，就看到 b 收敛了
( o: X# _: R. B* R0 c9 L/ L3 @w , b
7 E, D* I4 [# g  G/ @27.002620697021484 14.826167106628418
. v* f3 r$ ^4 v( k3 U% X
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。