继续请教问题:关于 Pytorch 的 Autograd

雷达

. c4 h" D& \2 d4 W' [4 v" ^为预防老年痴呆，时不时学点新东东玩一玩。
4 r- |) X6 H% p+ HPytorch 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
import random

5 e9 u2 g, I9 Y5 f& h6 Ex = torch.tensor(np.arange(1,100,1))
% I; e$ X+ w/ ^+ c) _) Dy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

4 E9 @) d% [, q9 P* Dw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
% K( T4 i% _/ ^7 H2 C* v+ K5 k) }
epochs = 100
! s+ R8 Z) Q8 i0 B) E0 j8 l. S: c
( z' q2 l  V9 V7 Klosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
7 b0 `1 a3 N* p/ b6 q( s. B  y_pred.reshape(-1)
$ }4 h9 k5 r9 a' n6 p' W
0 }9 {. J% W1 Q* j6 {" P6 h  loss = torch.square(y_pred - y).mean()   #计算 loss
0 l: V# v9 K" Q# r6 N7 ]4 A  losses.append(loss)
  
  loss.backward() # autograd
/ U* S1 e2 L, x: K( ?! Q  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
6 s' f1 y% ~6 P% ^- N$ D8 [    b  -= b.grad*0.0001    # 回归 b
" p" Q1 y/ }0 b" X" v  w.grad.zero_()  
# v# l- o0 N- q' ]. V6 |4 A/ g. Y  b.grad.zero_()

2 ~* T; w& H. u, h7 j( tprint(w.item(),b.item()) #结果
" _1 F3 o! o- P$ y2 H
: ]7 _- W2 b8 x0 o% vOutput： 27.26387596130371  0.4974517822265625
) O$ a4 f- @% }3 x2 Z! g2 v7 `) U& N----------------------------------------------
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？
, |+ x2 E1 Z/ E$ O/ m

老福

  Y3 G; M* R0 C- J' m9 m, ^8 E+ S* j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？
1 P! m( c6 x5 \4 c- [-------
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？
-------
  O3 _3 T% @. i8 U# U3 k; Y8 _6 H" A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

: \* ^9 z& k8 R# `) g! i4 [

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。
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 ...

* k: Z  K0 M! T
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。

' v2 M  w4 a6 m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
! U5 m/ w- O/ W* @: w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。 ...

) a) P, H. ?# q3 |) Z1 t
% Q. e  _( f7 j& i你是对的。
去掉了随机部分
1 ?' D5 O: J' e  K9 i# r#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
$ Y) s* ^/ L% p% Q% y
循环次数加成10倍，就看到 b 收敛了
; i: s7 W4 ]! d; fw , b
: I$ J( F4 N( J# r27.002620697021484 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。