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。