pytorch搭建模型的五大层次级别解读(由浅入深)
作者:LoveMIss-Y
前言
神经网络的搭建本身是一个较为复杂的过程,但是现在有非常多的、非常人性化的开源框架提供给我们使用,但是即便如此,网络的搭建也是有多种方法可以选择,本文以pytorch为例子加以说明。
神经网络的基本流程可以分为两大步骤,即
网络结构搭建+参数的梯度更新(后者又包括 “前向传播+计算参数的梯度+梯度更新”)
这其实也是后面pytorch搭建神经网络的一个基本思路
1 、原始搭建——使用numpy实现
# -*- coding: utf-8 -*- import numpy as np # N是训练的batch size; D_in 是input输入数据的维度; # H是隐藏层的节点数; D_out 输出的维度,即输出节点数. N, D_in, H, D_out = 64, 1000, 100, 10 # 创建输入、输出数据 x = np.random.randn(N, D_in) #(64,1000) y = np.random.randn(N, D_out) #(64,10)可以看成是一个10分类问题 # 权值初始化 w1 = np.random.randn(D_in, H) #(1000,100),即输入层到隐藏层的权重 w2 = np.random.randn(H, D_out) #(100,10),即隐藏层到输出层的权重 learning_rate = 1e-6 #学习率 for t in range(500): # 第一步:数据的前向传播,计算预测值p_pred h = x.dot(w1) h_relu = np.maximum(h, 0) y_pred = h_relu.dot(w2) # 第二步:计算计算预测值p_pred与真实值的误差 loss = np.square(y_pred - y).sum() print(t, loss) # 第三步:反向传播误差,更新两个权值矩阵 grad_y_pred = 2.0 * (y_pred - y) #注意:这里的导函数也是自己求的,因为这个地方是很简答的函数表达式 grad_w2 = h_relu.T.dot(grad_y_pred) grad_h_relu = grad_y_pred.dot(w2.T) grad_h = grad_h_relu.copy() grad_h[h < 0] = 0 grad_w1 = x.T.dot(grad_h) # 更新参数 w1 -= learning_rate * grad_w1 w2 -= learning_rate * grad_w2
缺点:
(1)没办法搭建复杂的网络结构(网络的结构搭建太底层);
(2)梯度需要自己求导函数,如果函数太复杂,网络太深就很难求了;
(3)没有办法使用GPU加速
2、使用torch的Tensor原始实现
import torch dtype = torch.float device = torch.device("cpu") # device = torch.device("cuda:0") # 这里使用CPU,但实际上可以使用GPU # N是训练的batch size; D_in 是input输入数据的维度; # H是隐藏层的节点数; D_out 输出的维度,即输出节点数. N, D_in, H, D_out = 64, 1000, 100, 10 # 创建输入、输出数据 x = torch.randn(N, D_in, device=device, dtype=dtype) #(64,1000) y = torch.randn(N, D_out, device=device, dtype=dtype) #(64,10)可以看成是一个10分类问题 # 权值初始化 w1 = torch.randn(D_in, H, device=device, dtype=dtype) #(1000,100),即输入层到隐藏层的权重 w2 = torch.randn(H, D_out, device=device, dtype=dtype)#(100,10),即隐藏层到输出层的权重 learning_rate = 1e-6 for t in range(500): # 第一步:数据的前向传播,计算预测值p_pred h = x.mm(w1) h_relu = h.clamp(min=0) y_pred = h_relu.mm(w2) # 第二步:计算计算预测值p_pred与真实值的误差 loss = (y_pred - y).pow(2).sum().item() print(t, loss) # 第三步:反向传播误差,更新两个权值矩阵 grad_y_pred = 2.0 * (y_pred - y) #注意:这里的导函数也是自己求的,因为这个地方是很简答的函数表达式 grad_w2 = h_relu.t().mm(grad_y_pred) grad_h_relu = grad_y_pred.mm(w2.t()) grad_h = grad_h_relu.clone() grad_h[h < 0] = 0 grad_w1 = x.t().mm(grad_h) # 参数更新(梯度下降法) w1 -= learning_rate * grad_w1 w2 -= learning_rate * grad_w2
缺点:
(1)没办法搭建复杂的网络结构(网络的结构搭建太底层);
(2)梯度需要自己求导函数,如果函数太复杂,网络太深就很难求了;
解决了GPU计算问题、少了一个缺点。
3、torch的自动求导autograd
import torch dtype = torch.float device = torch.device("cpu") # device = torch.device("cuda:0") # 这里使用CPU,但实际上可以使用GPU # N是训练的batch size; D_in 是input输入数据的维度; # H是隐藏层的节点数; D_out 输出的维度,即输出节点数. N, D_in, H, D_out = 64, 1000, 100, 10 # 创建输入、输出数据 x = torch.randn(N, D_in, device=device, dtype=dtype) #(64,1000) y = torch.randn(N, D_out, device=device, dtype=dtype) #(64,10)可以看成是一个10分类问题 # 权值初始化 w1 = torch.randn(D_in, H, device=device, dtype=dtype) #(1000,100),即输入层到隐藏层的权重 w2 = torch.randn(H, D_out, device=device, dtype=dtype)#(100,10),即隐藏层到输出层的权重 learning_rate = 1e-6 for t in range(500): # 第一步:数据的前向传播,计算预测值p_pred y_pred = x.mm(w1).clamp(min=0).mm(w2) # 第二步:计算计算预测值p_pred与真实值的误差 loss = (y_pred - y).pow(2).sum() print(t, loss.item()) # 第三步:反向传播误差,更新两个权值矩阵,这就是关键了,不再需要自己写出导函数,求导是自动完成的 loss.backward() #一步到位、自动求导 # 参数梯度更新 with torch.no_grad(): w1 -= learning_rate * w1.grad #grad属性获取梯度,其实这个地方就是相当于是梯度下降法,优化的过程可以自己定义,因为这里参数很少 w2 -= learning_rate * w2.grad 求完一次之后将梯度归零 w1.grad.zero_() w2.grad.zero_()
缺点:
(1)没办法搭建复杂的网络结构(网络的结构搭建太底层);
解决了GPU计算问题、而且梯度导数也不用自己求了,少了两个缺点。那现在就只剩一个问题没解决了,那就是怎么快速搭建更复杂、更深层的网络结构。
(2)上面更新参数w1和w2的过程其实就是一个优化过程,这里是用的就是简单的头下降法,这样做有一个很大的缺点,那就是这里只有两个参数需要优化,所以可以自己写,但是现在的网络有很多的参数需要优化,都自己写的话实在是太麻烦了。于是就有了后面的方法,参见下面
4、使用pytorch.nn模块
可以将它理解为一个较高层次的API封装
# -*- coding: utf-8 -*- import torch # N是训练的batch size; D_in 是input输入数据的维度; # H是隐藏层的节点数; D_out 输出的维度,即输出节点数. N, D_in, H, D_out = 64, 1000, 100, 10 # 创建输入、输出数据 x = torch.randn(N, D_in) y = torch.randn(N, D_out) #模型搭建:这是与前面关键的区别,不再需要自己手动进行矩阵相乘,而是这种一步到位的方法 model = torch.nn.Sequential( torch.nn.Linear(D_in, H), torch.nn.ReLU(), torch.nn.Linear(H, D_out), ) #定义损失函数 loss_fn = torch.nn.MSELoss(reduction='sum') learning_rate = 1e-4 for t in range(500): # 第一步:数据的前向传播,计算预测值p_pred y_pred = model(x) # 第二步:计算计算预测值p_pred与真实值的误差 loss = loss_fn(y_pred, y) print(t, loss.item()) # 在反向传播之前,将模型的梯度归零 model.zero_grad() # 第三步:反向传播误差,更新两个权值矩阵,这就是关键了,不再需要自己写出导函数,求导是自动完成的 loss.backward() #更新参数的梯度 with torch.no_grad(): for param in model.parameters(): param -= learning_rate * param.grad #这其实就是梯度下降法,优化参数,通过循环自动实现,不要再一个一个写了,相较于上面的参数更新方法简单了很多。但是还不够
总结:
到这一步,基本解决了前面的三个致命问题,即解决了GPU计算问题、而且梯度导数也不用自己求了,并且可以搭建复杂的网络,不需要自己进行一个一个的矩阵相乘,少了三个缺点。
使用这里的层次,一些简单的网络类型就没什么问题了,当然我们还可以进一步优化,因为上面我们对loss进行自动求导之后,还需要通过一个循环来对模型的各个参数逐个进行参数的更新,所以下面提供了两个层次方面的优化措施:
5、使用torch.optim
来进一步简化训练过程——进一步省略手动的参数更新,更加一步到位
# -*- coding: utf-8 -*- import torch # N是训练的batch size; D_in 是input输入数据的维度; # H是隐藏层的节点数; D_out 输出的维度,即输出节点数. N, D_in, H, D_out = 64, 1000, 100, 10 # 创建输入、输出数据 x = torch.randn(N, D_in) y = torch.randn(N, D_out) #模型搭建:这是与前面关键的区别,不再需要自己手动进行矩阵相乘,而是这种一步到位的方法 model = torch.nn.Sequential( torch.nn.Linear(D_in, H), torch.nn.ReLU(), torch.nn.Linear(H, D_out), ) #定义损失函数 loss_fn = torch.nn.MSELoss(reduction='sum') learning_rate = 1e-4 #构造一个optimizer对象 optimizer = torch.optim.Adam(model.parameters(), lr=learning_rate) for t in range(500): # 第一步:数据的前向传播,计算预测值p_pred y_pred = model(x) # 第二步:计算计算预测值p_pred与真实值的误差 loss = loss_fn(y_pred, y) print(t, loss.item()) # 在反向传播之前,将模型的梯度归零,这 optimizer.zero_grad() # 第三步:反向传播误差 loss.backward() # 直接通过梯度一步到位,更新完整个网络的训练参数,一句话优化所有的参数,是不是很牛逼 optimizer.step()
这是不是更加简单了?
如果是使用过keras这样高层次的API,所以到这里应该发现,他们实在是太像了,现在来总结一下使用pytorch搭建神经网路的一般步骤:
(1)第一步:搭建网络的结构,得到一个model。网络的结构可以是上面这种最简单的序贯模型,当然还可以是多输入-单输出模型、单输入-多输出模型、多输入-多输出模型、跨层连接的模型等,我们好可以自己定义模型,后面再讲。
(2)第二步:定义损失函数。
loss = torch.nn.MSELoss(reduction='sum')
(3)第二步:定义优化方式。构造一个optimizer对象
optimizer = torch.optim.Adam(model.parameters(), lr=learning_rate)
上面是模型以及模型相关的配置三步走,下面是训练的五步走。
(1)第一步:计算y_pred;
(2)第二步:根据损失函数计算loss
(3)第三步:梯度归零,
optimizer.zero_grad()
(4)第四步:反向传播误差
loss.backward()
(5)更新参数,使用step()
optimizer.step()
个人观点:
深度学习框架最大的地方在于两个点,正是这两个点大大简化了我们自己的实现思路,当然这两个点不在于一层一层的搭建,个人认为最重要的在于以下两个:
(1)第一,自动求导。设想一下,如果一个如此复杂的“高维度”、“非线性”的函数,需要自己写出求导公式,在进行矩阵运算,这一项就很不现实了。
(2)第二,参数的优化。即所谓的optimizer的作用,它是每一个参数的更新规则,由于模型参数众多,不可能一个一个来更新,而且没一个更新的原理是重复的,深度学习框架正好提供了一步到位的方法,不管是tensorflow还是pytorch。
总结
以上为个人经验,希望能给大家一个参考,也希望大家多多支持脚本之家。