3.6 softmax回归的简洁实现

使用深度学习框架来简洁实现softmax回归模型

💻 参考资料：李沐《动手学深度学习-Pytorch版》📢ch3线性神经网络
🎈 开源地址：动手学深度学习
🔊 链接至上一节：3.5 softmax回归的从零开始实现
🎀 此篇仅仅学习记录，更详细的内容可参考开源的书和代码以及b站上李沐老师的视频动手学深度学习在线课程。

1. softmax回归的简洁实现

1.0 导入Python包

import torch
from torch import nn
from d2l import torch as d2l

1.2 导入数据

使用Fashion-MNIST数据集，并保持批量大小为256。（如何下载可查阅Fashion-MNIST数据集）

batch_size = 256
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size)

1.3 初始化模型参数

softmax回归的输出层是一个全连接层。只需在Sequential中添加一个带有10个输出的全连接层。同样，在这里Sequential并不是必要的，但它是实现深度模型的基础。仍然以均值0和标准差0.01随机初始化权重。

# PyTorch不会隐式地调整输入的形状。因此，在线性层前定义了展平层（flatten），来调整网络输入的形状

# nn.Sequential函数用于定义一个顺序容器，包括一个展平层和一个全连接层。
# nn.Flatten用于将输入的多维张量展平为一维张量，nn.Linear用于定义全连接层。
net = nn.Sequential(nn.Flatten(), nn.Linear(784, 10))

# init_weights函数用于对模型的权重进行初始化。
# 该函数的输入参数是一个nn.Module对象，表示模型的一个层。
def init_weights(m):
    
    # 如果该层是一个全连接层，则对其权重进行正态分布随机初始化。
    if type(m) == nn.Linear:
        # 使用nn.init.normal_函数对权重进行初始化，其中std表示正态分布的标准差。
        nn.init.normal_(m.weight, std=0.01)

# 使用apply方法将init_weights函数应用到模型的每一层，从而对全连接层的权重进行初始化。
net.apply(init_weights);

计算了模型的输出，然后将此输出送入交叉熵损失。从数学上讲，这是一件完全合理的事情。然而，从计算角度来看，指数可能会造成数值稳定性问题。softmax函数${\hat{y}}_j=\frac{\exp (o_j)}{{\sum }_k\exp (o_k)}$，其中${\hat{y}}_j$是预测的概率分布。$o_j$是未规范化的预测$\mathbf{o}$的第$j$个元素。如果$o_k$中的一些数值非常大，那么$\exp (o_k)$可能大于数据类型容许的最大数字，即上溢（overflow）。这将使分母或分子变为inf（无穷大），最后得到的是0、inf或nan（不是数字）的${\hat{y}}_j$。在这些情况下，无法得到一个明确定义的交叉熵值。

解决这个问题的一个技巧是：

在继续softmax计算之前，先从所有$o_k$中减去$\max (o_k)$。这里可以看到每个$o_k$按常数进行的移动不会改变softmax的返回值：

$$\begin{array}{rl}{\hat{y}}_j& =\frac{\exp (o_j-\max (o_k))\exp (\max (o_k))}{{\sum }_k\exp (o_k-\max (o_k))\exp (\max (o_k))}\\ & =\frac{\exp (o_j-\max (o_k))}{{\sum }_k\exp (o_k-\max (o_k))}.\end{array}$$

在减法和规范化步骤之后，可能有些$o_j-\max (o_k)$具有较大的负值。由于精度受限，$\exp (o_j-\max (o_k))$将有接近零的值，即下溢（underflow）。这些值可能会四舍五入为零，使${\hat{y}}_j$为零，并且使得$\log ({\hat{y}}_j)$的值为-inf。反向传播几步后，可能会发现自己面对一屏幕可怕的nan结果。

尽管我们要计算指数函数，但我们最终在计算交叉熵损失时会取它们的对数。通过将softmax和交叉熵结合在一起，可以避免反向传播过程中可能会困扰我们的数值稳定性问题。

如下面的等式所示，避免计算$\exp (o_j-\max (o_k))$，而可以直接使用$o_j-\max (o_k)$，因为$\log (\exp (\cdot ))$被抵消了。

$$\begin{array}{rl}\log ({\hat{y}}_j)& =\log \left(\frac{\exp (o_j-\max (o_k))}{{\sum }_k\exp (o_k-\max (o_k))}\right)\\ & =\log (\exp (o_j-\max (o_k)))-\log \left(\sum _k\exp (o_k-\max (o_k))\right)\\ & =o_j-\max (o_k)-\log \left(\sum _k\exp (o_k-\max (o_k))\right).\end{array}$$

loss = nn.CrossEntropyLoss(reduction='none')

1.4 优化算法

在这里，使用学习率为0.1的小批量随机梯度下降作为优化算法。

trainer = torch.optim.SGD(net.parameters(), lr=0.1)

1.5训练

接下来调用3.5节定义的训练函数来训练模型。

num_epochs = 10
d2l.train_ch3(net, train_iter, test_iter, loss, num_epochs, trainer)

2.引用

引用原书:

@book{zhang2019dive,
    title={Dive into Deep Learning},
    author={Aston Zhang and Zachary C. Lipton and Mu Li and Alexander J. Smola},
    note={\url{http://www.d2l.ai}},
    year={2020}
}