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。
- f" O) F  j* u4 y6 Q! e1 N& |Pytorch 下面的代码做最简单的一元线性回归：
  U0 o. p6 q" Q----------------------------------------------
2 |: k, t" F0 R2 L- w' Limport torch
import numpy as np
- y! g% n) ^; A! T* {( Pimport matplotlib.pyplot as plt
import random
  W8 l' [1 {+ ?
8 t4 Q7 n, O; A1 {) a9 }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

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
3 q( ~. r  t, }# H* Z9 bb = torch.tensor(0.,requires_grad=True)

epochs = 100
- P( E" g' o/ {- l
losses = []
) B$ O* G  F. l7 Q% @" U6 b7 s( wfor i in range(epochs):
: c, \+ d1 h9 g2 W  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

3 h/ P9 ]+ a2 z0 @! @/ I/ a  loss = torch.square(y_pred - y).mean()   #计算 loss
  l5 h9 m; e# i  J! V  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
" a( T: f& F: y" O. Q' H# z    w  -= w.grad*0.0001   # 回归 w
( `8 b  |( x5 E    b  -= b.grad*0.0001    # 回归 b
0 S8 w5 @+ l7 @" R3 O  w.grad.zero_()  
% X' ?! }% E8 z+ A" H4 t6 H  b.grad.zero_()
' Z  w3 s% p7 t4 ]6 \& m
print(w.item(),b.item()) #结果
+ n* d& E  r: J
! [4 X0 I. K8 `& E2 j+ x! nOutput： 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。
高手们帮看看是神马原因？
1 r' V+ O6 s& v9 v8 ?$ l; d  \( i

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？
-------
7 t: P' R9 N. J8 R8 ]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。
-------
8 }5 H+ K* s0 `7 P* M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
2 @! o3 Q5 Z0 [5 {* e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

; m3 i. Z- `" A

雷达 发表于 2023-2-14 21:52
8 n4 |& h, e6 g: D, `7 s2 l1 p% T谢谢，算法应该没问题，就是最简单的线性回归。
5 t/ A$ a9 a$ k! q. c/ y$ n1 Y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 ...

$ m1 a+ P+ S/ W/ I  h, M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。

8 J% \8 t& x. A6 y) ~, _或者把b但的起点改为1试试。

雷达

8 X' w' Z6 w) J. y& n. o

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。
- d$ n4 K# z, {5 ?1 j. C
# L* `2 T$ |" z6 t) p; c或者把b但的起点改为1试试。 ...

3 q! e9 j- n9 X4 E; b
你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
" ?0 h1 ^: [: i% ?- w
循环次数加成10倍，就看到 b 收敛了
7 @: d% {! r6 a( O) ]3 Ww , b
" ]  q- U$ F% t; W% K5 l+ a. B27.002620697021484 14.826167106628418

  `  b' T% Y3 e; L1 f2 j+ A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。