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。