MMoE原始模型
来自github:
https://github.com/drawbridge/keras-mmoe
准备工作
下载数据集:
https://github.com/drawbridge/keras-mmoe
在迁移到ms时,需要将数据处理为mindrecord格式进行训练。需注意ms的数据保存格式为:data;label。
模型迁移
ms的init函数中需要传入需要的算子、层等。construct函数为网络的整体架构或计算过程。需要特别注意的是,要清楚算子是否需要初始化,()问题很重要。
在完成模型的迁移之后,一定要使用net.cells_and_names以及net.get_parameters查看参数量与源代码中是否对齐。在检查完之后,继续生成相同的数据放入自己写的网络中以及源码中做对比,看每一层的结果都是否相同,以此来确保自己的模型不会出错。
若数据为多标签如(data,label1,label2)格式。需要将loss与net连接在一起。具体的使用方法如下:
损失函数 — MindSpore master documentation
在模型迁移成功之后,开始训练。刚开始记得按照源码中原始的参数进行调参。每次改动都是控制变量法,一次只改变一个东西。一般学习率用warmup(0.05*total_epoch)去调整。若loss一开始就很不正常,检查自己的模型和数据处理的问题。若loss刚开始正常,后面跑飞。使用梯度裁剪,这种方法简单粗暴。在使用梯度裁剪之后,若loss不收敛,将warmup的区间调大,若还是出现暴涨的情形,先降低warmup区间,不行的话,先保持小的warmup区间,再调低lr的初始。
在保存ckpt时,最好每个epoch都保存一下。
若训练速度很慢,可以使用profiler去查看一下各个数据的性能。
在适配8p这些环境时,使用modelzoo的yaml方式。yyds!!!
使用git总结:
git clone models: Models of MindSpore
cd models
git remote add xx yangyanjuan/models
git checkout -b mmoe_master origin/master
更新代码
git add .
git status
git commit -m 'mmoe'
git push xx mmoe_master:mmoe_master
刷新界面
创建pr:【xx大学】【高校贡献】【MindSpore】【mmoe】Ascend
/retest
合并提交
git log
git rebase -i HEAD~2
git push -f xx mmoe_master:mmoe_master