0. 前言
本章将深入探索深度学习计算的关键组件, 即模型构建、参数访问与初始化、设计自定义层和块、将模型读写到磁盘, 以及利用GPU实现显著的加速。
本节知识极其重要,开始真正窥探深度学习框架的使用。我的所有笔记,都是以PyTorch为基础的(PyTorch不支持的部分使用TensorFlow)。
0.1. 结论
- 一个块可以由许多层组成;一个块可以由许多块组成。
- 块可以包含代码。
- 块负责大量的内部处理,包括参数初始化和反向传播。
- 层和块的顺序连接由Sequential块处理。
- 有多种方法可以访问、初始化和绑定模型参数,以及使用自定义初始化方法。
- 延后初始化使框架能够自动推断参数形状,使修改模型架构变得容易,避免了一些常见的错误。
- 可以通过模型传递数据,使框架最终初始化参数。
- 可以通过基本层类设计自定义层,允许我们定义灵活的新层。
- 层可以有局部参数,这些参数可以通过内置函数创建。
- save和load函数可用于张量对象的文件读写。
- 可以通过参数字典保存和加载网络的全部参数。
- 保存架构必须在代码中完成,而不是在参数中完成。
- 可以指定用于存储和计算的设备,例如CPU或GPU。默认情况下,数据在主内存中创建,然后使用CPU进行计算。
- 深度学习框架要求计算的所有输入数据都在同一设备上,无论是CPU还是GPU。
- 不经意地移动数据可能会显著降低性能。一个典型的错误如下:计算GPU上每个小批量的损失,并在命令行中将其报告给用户(或将其记录在NumPy ndarray中)时,将触发全局解释器锁,从而使所有GPU阻塞。最好是为GPU内部的日志分配内存,并且只移动较大的日志。
1. 层和块
具有单一输出的线性模型中整个模型只有一个输出:单个神经网络 (1)接受一些输入; (2)生成相应的标量输出; (3)具有一组相关 参数(parameters),更新这些参数可以优化某目标函数。
当考虑具有多个输出的网络时, 我们利用矢量化算法来描述整层神经元。 像单个神经元一样,层(1)接受一组输入, (2)生成相应的输出, (3)由一组可调整参数描述。 当我们使用softmax回归时,一个单层本身就是模型。
对于多层感知机而言,整个模型及其组成层都是上述架构。 整个模型接受原始输入(特征),生成输出(预测), 并包含一些参数(所有组成层的参数集合)。 同样,每个单独的层接收输入(由前一层提供), 生成输出(到下一层的输入),并且具有一组可调参数, 这些参数根据从下一层反向传播的信号进行更新。
事实证明,研究讨论“比单个层大”但“比整个模型小”的组件更有价值,如在计算机视觉中广泛流行的ResNet-152架构就有数百层, 这些层是由层组(groups of layers)的重复模式组成。
为了实现这些复杂的网络,我们引入了神经网络块的概念。 块(block)可以描述单个层、由多个层组成的组件或整个模型本身。 使用块进行抽象的一个好处是可以将一些块组合成更大的组件, 这一过程通常是递归的,如下图所示。 通过定义代码来按需生成任意复杂度的块,我们可以通过简洁的代码实现复杂的神经网络。
从编程的角度来看,块由类(class)表示。 它的任何子类都必须定义一个将其输入转换为输出的正向传播函数, 并且必须存储任何必需的参数(有些块不需要任何参数)。 最后,为了计算梯度,块必须具有反向传播函数。 在定义我们自己的块时,由于自动微分提供了一些后端实现,我们只需要考虑正向传播函数和必需的参数。
回顾一下多层感知机,下面的代码生成一个网络,其中包含一个具有256个单元和ReLU激活函数的全连接隐藏层, 然后是一个具有10个隐藏单元且不带激活函数的全连接输出层。1
2
3
4
5
6
7
8import torch
from torch import nn
from torch.nn import functional as F
net = nn.Sequential(nn.Linear(20, 256), nn.ReLU(), nn.Linear(256, 10))
X = torch.rand(2, 20)
net(X)
这里通过实例化nn.Sequential来构建模型,层的执行顺序是作为参数传递的。 简而言之,nn.Sequential定义了一种特殊的Module,即在PyTorch中表示一个块的类,它维护了一个由Module组成的有序列表。
值得注意:
1、两个全连接层都是Linear类的实例, Linear类是Module的子类。
2、通过net(X)调用模型来获得模型的输出,实际上是net.call(X)的简写。 这个正向传播函数非常简单:它将列表中的每个块连接在一起,将每个块的输出作为下一个块的输入。
1.1. 自定义块
通过实现一个块(在torch中为nn.Module)来了解块是如何工作的,首先总结一下块的基本功能:
- 将输入数据作为其正向传播函数的参数。
- 通过正向传播函数来生成输出。输出的形状可能与输入的形状不同。
- 计算其输出关于输入的梯度,可通过其反向传播函数进行访问。通常这是自动发生的。
- 存储和访问正向传播计算所需的参数。
- 根据需要初始化模型参数。
下面从零开始编写一个块,它含有一个多层感知机,其具有256个隐藏单元的隐藏层和一个10维输出层。MLP类继承了表示块的类。 我们的实现只需要提供我们自己的构造函数(Python中的init函数)和正向传播函数。1
2
3
4
5
6
7
8
9
10
11
12
13class MLP(nn.Module):
# 用模型参数声明层。这里声明两个全连接的层
def __init__(self):
# 调用MLP的父类Module的构造函数来执行必要的初始化。
# 这样,在类实例化时也可以指定其他函数参数,例如模型参数params
super().__init__()
self.hidden = nn.Linear(20, 256) # 隐藏层
self.out = nn.Linear(256, 10) # 输出层
# 定义模型的正向传播,即如何根据输入X返回所需的模型输出
def forward(self, X):
# 这里使用ReLU的函数版本,其在nn.functional模块中定义。
return self.out(F.relu(self.hidden(X)))
此处的前向传播函数以X作为输入, 计算带有激活函数的隐藏表示,并输出其未规范化的输出值。
在这个MLP实现中,两个层都是实例变量,在每次调用前向传播函数时调用这些层。 注意一些关键细节: 首先我们的init函数通过super().__init__()
调用父类的init函数, 省去了重复编写模版代码的痛苦。 然后我们实例化两个全连接层,分别为self.hidden和self.out。
注意:除非我们需要实现一个新的运算符,否则我们不必担心反向传播函数或参数初始化,系统将自动生成这些。
1 | # 使用自定义块! |
块的一个主要优点是它的多功能性。 可以利用子类化块以创建层(如全连接层的类)、 整个模型或具有中等复杂度的各种组件。
1.2. 顺序块
Sequential的设计是为了把其他模块串起来。为了构建自己的简化顺序块MySequential, 我们只需要定义两个关键函数:
- 一种将块逐个追加到列表中的函数。
- 一种正向传播函数,用于将输入按追加块的顺序传递给块组成的“链条”。
下面的MySequential类提供了与默认Sequential类相同的功能:1
2
3
4
5
6
7
8
9
10
11
12
13
14class MySequential(nn.Module):
# __init__函数将每个模块逐个添加到有序字典_modules中
def __init__(self, *args):
super().__init__()
for idx, module in enumerate(args):
# 这里module是Module子类的一个实例,
# 把它保存在'Module'类的成员变量_modules中。module的类型是OrderedDict。
self._modules[str(idx)] = module
def forward(self, X):
# OrderedDict保证了按照成员添加的顺序遍历它们
for block in self._modules.values():
X = block(X)
return X
使用_modules属性的主要优点是:在模块的参数初始化过程中,系统知道在_modules字典中查找需要初始化参数的子块。(默认规定)
当MySequential的正向传播函数被调用时,每个添加的块都按照它们被添加的顺序执行。
使用我们自定义的MySequential类重新实现多层感知机:1
2net = MySequential(nn.Linear(20, 256), nn.ReLU(), nn.Linear(256, 10))
net(X)
1.3. 在正向传播函数中执行代码
Sequential类使模型构造变得简单,允许我们组合新的架构,而不必定义自己的类。 然而并不是所有的架构都是简单的顺序架构,当需要更强的灵活性时,我们需要定义自己的块。 例如,我们可能希望在前向传播函数中执行Python的控制流。 此外,我们可能希望执行任意的数学运算,而不是简单地依赖预定义的神经网络层。
到目前为止, 我们网络中的所有操作都对网络的激活值及网络的参数起作用。然而有时可能希望合并一些常数参数(constant parameter),即那些既不是上一层的结果也不是可更新参数的项。例如,我们需要一个计算函数 $f(\mathbf{x}, \mathbf{w})=c \cdot \mathbf{w}^{\top} \mathbf{x}$ 的层, 其中 $\mathbf{x}$ 是输入, $\mathbf{w}$ 是参数, $c$ 是某个在优化过程中没有更新的指定常量。
对此情况,书中实现了一个FixedHiddenMLP类, 如下所示:1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18class FixedHiddenMLP(nn.Module):
def __init__(self):
super().__init__()
# 不计算梯度的随机权重参数。因此其在训练期间保持不变
# 常量参数c
self.rand_weight = torch.rand((20, 20), requires_grad=False)
self.linear = nn.Linear(20, 20)
def forward(self, X):
X = self.linear(X)
# 使用创建的 常量参数 以及relu和mm函数
X = F.relu(torch.mm(X, self.rand_weight) + 1)
# 复用全连接层。这相当于两个全连接层共享参数
X = self.linear(X)
# 控制流
while X.abs().sum() > 1:
X /= 2
return X.sum()
在这个FixedHiddenMLP模型中实现了一个隐藏层,其权重(self.rand_weight)在实例化时被随机初始化,之后为常量。 这个权重不是一个模型参数,因此它永远不会被反向传播更新。 然后,神经网络将这个固定层的输出通过一个全连接层。
在返回输出之前, 模型做了一些不寻常的事情: 它运行了一个while循环, 在 $L_{1}$ 范数大于 1 的条件下, 将 输出向量除以 2 , 直到它满足条件为止。最后, 模型返回了X中所有项的和。这个操作可能不会常用于在任何实际任务中, 只是展示了如何将任意代码集成到神经网络计算的流程中。
使用该类实现多层感知机,same thing:1
2net = FixedHiddenMLP()
net(X)
混合搭配各种组合块的实现举例:1
2
3
4
5
6
7
8
9
10
11
12class NestMLP(nn.Module):
def __init__(self):
super().__init__()
self.net = nn.Sequential(nn.Linear(20, 64), nn.ReLU(),
nn.Linear(64, 32), nn.ReLU())
self.linear = nn.Linear(32, 16)
def forward(self, X):
return self.linear(self.net(X))
chimera = nn.Sequential(NestMLP(), nn.Linear(16, 20), FixedHiddenMLP())
chimera(X)
1.4. 效率问题
我们在一个高性能的深度学习库中进行了大量的字典查找、 代码执行和许多其他的Python代码。
Python的全局解释器锁问题很可能导致运行速度变慢。 CPython 中,全局解释器锁或GIL是一个互斥锁,用于保护对 Python 对象的访问,防止多个线程同时执行 Python 字节码。GIL 防止竞争条件并确保线程安全。这个互斥锁是必要的,主要是因为 CPython 的内存管理不是线程安全的。
在深度学习环境中,速度极快的GPU可能要等到CPU运行Python代码后才能运行另一个作业。
2. 参数管理
在选择了架构并设置了超参数后,就进入了训练阶段。 此时,我们的目标是找到使损失函数最小化的模型参数值。 经过训练后,将需要使用这些参数来做出未来的预测。
此外,有时我们希望提取参数,以便在其他环境中复用它们, 将模型保存下来,以便它可以在其他软件中执行, 或者为了获得科学的理解而进行检查。
此节将介绍以下内容:
- 访问参数,用于调试、诊断和可视化。
- 参数初始化。
- 在不同模型组件间共享参数。
首先,对于一个单隐含层的多层感知机进行研究:1
2
3
4
5
6import torch
from torch import nn
net = nn.Sequential(nn.Linear(4, 8), nn.ReLU(), nn.Linear(8, 1))
X = torch.rand(size=(2, 4))
net(X)
2.1. 参数访问
当通过Sequential类定义模型时, 我们可以通过索引来访问模型的任意层。 这就像模型是一个列表一样,每层的参数都在其属性中。例如检查第二个全连接层的参数:1
print(net[2].state_dict())
输出:1
OrderedDict([('weight', tensor([[ 0.3231, -0.3373, 0.1639, -0.3125, 0.0527, -0.2957, 0.0192, 0.0039]])), ('bias', tensor([-0.2930]))])
结果说明了这个全连接层包含两个参数,分别是该层的权重和偏置。 两者都存储为单精度浮点数(float32)。 注意参数名称允许唯一标识每个参数,即使在包含数百个层的网络中也是如此。
2.1.1. 目标参数
层中的每个参数都表示为参数类的一个实例。 要对参数执行任何操作,首先需要访问底层的数值。 有几种方法可以做到这一点。有些比较简单,而另一些则比较通用。
下面的代码从第二个全连接层(即第三个神经网络层)提取偏置, 提取后返回的是一个参数类实例,并进一步访问该参数的值。1
2
3print(type(net[2].bias))
print(net[2].bias)
print(net[2].bias.data)
输出:1
2
3
4<class 'torch.nn.parameter.Parameter'>
Parameter containing:
tensor([-0.2930], requires_grad=True)
tensor([-0.2930])
参数是复合的对象,包含值、梯度和额外信息。 这就是我们需要显式参数值的原因。 除了值之外,还可以访问每个参数的梯度。 在上面这个网络中,由于我们还没有调用反向传播,所以参数的梯度处于初始状态。1
net[2].weight.grad == None # 为真
2.1.2. 一次性访问所有参数
有些情况需要访问全部参数,甚至是递归的访问嵌套块的参数。
对比访问第一个全连接层的参数和访问所有层的参数:1
2
3
print(*[(name, param.shape) for name, param in net[0].named_parameters()])
print(*[(name, param.shape) for name, param in net.named_parameters()])
输出:1
2('weight', torch.Size([8, 4])) ('bias', torch.Size([8]))
('0.weight', torch.Size([8, 4])) ('0.bias', torch.Size([8])) ('2.weight', torch.Size([1, 8])) ('2.bias', torch.Size([1]))
可以看到访问所有层参数时,以数字.参数名
的形式表示参数,这为我们提供了另一种访问网络参数的方式:1
2
net.state_dict()['2.bias'].data
2.1.3. 从嵌套块收集参数
探索如果将多个块相互嵌套,参数命名约定是如何工作的。
定义一个生成块的函数(“块工厂”),然后将这些块组合到更大的块中,打印最终的网络:1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18def block1():
return nn.Sequential(nn.Linear(4, 8), nn.ReLU(),
nn.Linear(8, 4), nn.ReLU())
def block2():
net = nn.Sequential()
# 4个块1堆叠
for i in range(4):
# 利用add_module嵌套
net.add_module(f'block {i}', block1())
return net
# 组合块2和一个全连接层
rgnet = nn.Sequential(block2(), nn.Linear(4, 1))
rgnet(X)
# 打印设计好的网络
print(rgnet)
输出:1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29Sequential(
(0): Sequential(
(block 0): Sequential(
(0): Linear(in_features=4, out_features=8, bias=True)
(1): ReLU()
(2): Linear(in_features=8, out_features=4, bias=True)
(3): ReLU()
)
(block 1): Sequential(
(0): Linear(in_features=4, out_features=8, bias=True)
(1): ReLU()
(2): Linear(in_features=8, out_features=4, bias=True)
(3): ReLU()
)
(block 2): Sequential(
(0): Linear(in_features=4, out_features=8, bias=True)
(1): ReLU()
(2): Linear(in_features=8, out_features=4, bias=True)
(3): ReLU()
)
(block 3): Sequential(
(0): Linear(in_features=4, out_features=8, bias=True)
(1): ReLU()
(2): Linear(in_features=8, out_features=4, bias=True)
(3): ReLU()
)
)
(1): Linear(in_features=4, out_features=1, bias=True)
)
因为层是分层嵌套的,所以可以像通过嵌套列表索引一样访问它们。
下面访问第一个主要的块中第二个子块的第一层的偏置项:1
rgnet[0][1][0].bias.data
2.2. 参数初始化
深度学习框架提供默认随机初始化, 也允许用户创建自定义初始化方法, 满足通过其他规则实现初始化权重的需要。
对于PyTorch框架来说,默认情况下,PyTorch会根据一个范围均匀地初始化权重和偏置矩阵, 这个范围是根据输入和输出维度计算出的。 PyTorch的nn.init模块提供了多种预置初始化方法。
2.2.1. 内置初始化
首先调用内置的初始化器,下面的代码将所有权重参数初始化为标准差为0.01的高斯(正态)随机变量,且将偏置参数设置为0。1
2
3
4
5
6
7def init_normal(m):
if type(m) == nn.Linear:
nn.init.normal_(m.weight, mean=0, std=0.01)
nn.init.zeros_(m.bias)
# 注意用法,apply
net.apply(init_normal)
net[0].weight.data[0], net[0].bias.data[0]
输出:1
(tensor([-0.0017, 0.0232, -0.0026, 0.0026]), tensor(0.))
还可以将所有参数初始化为给定的常数,比如初始化为1:1
2
3
4
5def init_constant(m):
if type(m) == nn.Linear:
nn.init.constant_(m.weight, 1)
nn.init.zeros_(m.bias)
net.apply(init_constant)
还可以对某些块应用不同的初始化方法。 例如,使用Xavier初始化方法初始化第一个神经网络层,然后将第三个神经网络层初始化为常量值42:1
2
3
4
5
6
7
8
9
10
11def xavier(m):
if type(m) == nn.Linear:
nn.init.xavier_uniform_(m.weight)
def init_42(m):
if type(m) == nn.Linear:
nn.init.constant_(m.weight, 42)
net[0].apply(xavier)
net[2].apply(init_42)
print(net[0].weight.data[0])
print(net[2].weight.data)
输出:1
2tensor([-0.4645, 0.0062, -0.5186, 0.3513])
tensor([[42., 42., 42., 42., 42., 42., 42., 42.]])
2.2.2. 自定义初始化
有时, 深度学习框架没有提供我们需要的初始化方法。下面的例子中, 我们使用以下的分布为任意权重参数 $w$ 定义初始化方法:
对应my_init
:1
2
3
4
5
6
7
8
9
10
11
12def my_init(m):
if type(m) == nn.Linear:
print("Init", *[(name, param.shape)
for name, param in m.named_parameters()][0])
# -10 到 10 的范围均匀分布
nn.init.uniform_(m.weight, -10, 10)
# 这里m.weight.data.abs() >= 5为一个布尔矩阵
# 将原矩阵与该布尔矩阵按元素乘,小于5的值会变为0,其余元素不变
m.weight.data *= m.weight.data.abs() >= 5
net.apply(my_init)
print(net[0].weight[:2])
By the way,参数当然也可以被直接的设置和修改:1
2
3net[0].weight.data[:] += 1
net[0].weight.data[0, 0] = 42
net[0].weight.data[0]
2.3. 参数绑定
有时我们希望在多个层间共享参数:可以定义一个稠密层,然后使用它的参数来设置另一个层的参数。1
2
3
4
5
6
7
8
9
10
11
12# 我们需要给共享层一个名称,以便可以引用它的参数
shared = nn.Linear(8, 8)
net = nn.Sequential(nn.Linear(4, 8), nn.ReLU(),
shared, nn.ReLU(),
shared, nn.ReLU(),
nn.Linear(8, 1))
net(X)
# 检查参数是否相同
print(net[2].weight.data[0] == net[4].weight.data[0])
net[2].weight.data[0, 0] = 100
# 确保它们实际上是同一个对象,而不只是有相同的值
print(net[2].weight.data[0] == net[4].weight.data[0])
输出:1
2tensor([True, True, True, True, True, True, True, True])
tensor([True, True, True, True, True, True, True, True])
3. 延后初始化
非PyTorch的实践中忽略了建立网络时需要做的以下这些事情:
- 定义了网络架构,但没有指定输入维度。
- 添加层时没有指定前一层的输出维度。
- 在初始化参数时,甚至没有足够的信息来确定模型应该包含多少参数。
但代码却依然能够运行,即便深度学习框架无法判断网络的输入维度是什么。这里的诀窍是框架的延后初始化(defers initialization), 即直到数据第一次通过模型传递时,框架才会动态地推断出每个层的大小。
当使用卷积神经网络时,由于输入维度(即图像的分辨率)将影响每个后续层的维数,有了该技术将更加方便。
现在我们在编写代码时无须知道维度是什么就可以设置参数, 这种能力可以大大简化定义和修改模型的任务。
下面开始研究初始化机制,以TensorFlow为例。似乎PyTorch也准备推出这个功能,为torch.nn.LazyLinear
。
3.1. 实例化网络
实例化一个多层感知机:1
2
3
4
5
6
7
8
9import tensorflow as tf
# keras是TensorFlow中的高层神经网络API
# Dense层为全连接层,等同Linear
net = tf.keras.models.Sequential([
# 256处的参数为units,代表输出维度
tf.keras.layers.Dense(256, activation=tf.nn.relu),
tf.keras.layers.Dense(10),
])
此时输入维数是未知的,所以网络不可能知道输入层权重的维数。 因此框架尚未初始化任何参数,通过尝试访问以下参数进行确认:1
[net.layers[i].get_weights() for i in range(len(net.layers))]
输出:1
[[], []]
每个层对象都存在,但权重为空。 使用net.get_weights()将抛出一个错误,因为权重尚未初始化。
接下来将数据通过网络,最终使框架初始化参数。1
2
3X = tf.random.uniform((2, 20))
net(X)
[w.shape for w in net.get_weights()]
输出:1
[(20, 256), (256,), (256, 10), (10,)]
一旦知道输入维数是20,框架可以通过代入值20来识别第一层权重矩阵的形状。 识别出第一层的形状后,框架处理第二层,依此类推,直到所有形状都已知为止。 注意在这种情况下,只有第一层需要延迟初始化,但是框架仍是按顺序初始化的。 等到知道了所有的参数形状,框架就可以初始化参数。
4. 自定义层
深度学习成功背后的一个因素是神经网络的灵活性: 我们可以用创造性的方式组合不同的层,从而设计出适用于各种任务的架构。
例如,研究人员发明了专门用于处理图像、文本、序列数据和执行动态规划的层。 当深度学习框架并未提供你需要的层时,则必须构建自定义层。
4.1. 不带参数的层
构造一个没有任何参数的自定义层,CenteredLayer类要从其输入中减去均值,构建它只需继承基础层类并实现前向传播功能:1
2
3
4
5
6
7
8
9
10
11import torch
import torch.nn.functional as F
from torch import nn
class CenteredLayer(nn.Module):
def __init__(self):
super().__init__()
def forward(self, X):
return X - X.mean()
向该层提供一些数据,验证它是否能按预期工作:1
2
3
4
5layer = CenteredLayer()
layer(torch.FloatTensor([1, 2, 3, 4, 5]))
输出:
tensor([-2., -1., 0., 1., 2.])
将层作为组件合并到更复杂的模型中:1
net = nn.Sequential(nn.Linear(8, 128), CenteredLayer())
在向该网络发送随机数据后,检查一下均值是否为0:1
2Y = net(torch.rand(4, 8))
Y.mean()
由于处理的是浮点数,因为存储精度的原因,仍然可能会看到一个非常小的非零数(正常来说Y的均值应该是0)。
4.2. 带参数的层
下面定义具有参数的层, 这些参数可以通过训练进行调整。 我们可以使用内置函数来创建参数,这些函数提供一些基本的管理功能。 比如管理访问、初始化、共享、保存和加载模型参数。 这样做的好处之一是:我们不需要为每个自定义层编写自定义的序列化程序。
全连接层层需要两个参数,一个用于表示权重,另一个用于表示偏置项。 在这个版本的自定义实现中,使用修正线性单元作为激活函数。该层需要输入参数in_units和units,分别表示输入数和输出数:1
2
3
4
5
6
7
8
9
10
11
12
13
14# 自定义实现全连接层
class MyLinear(nn.Module):
def __init__(self, in_units, units):
super().__init__()
# nn.Parameter处理参数会有很多好处
# 例如可以使用named_parameters()获取参数等
# 即可以像内置的Module一样使用自定义层
self.weight = nn.Parameter(torch.randn(in_units, units))
self.bias = nn.Parameter(torch.randn(units,))
def forward(self, X):
# 全连接层计算
linear = torch.matmul(X, self.weight.data) + self.bias.data
# 激活函数
return F.relu(linear)
实例化MyLinear类并访问其模型参数:1
2
3
4
5
6
7
8
9
10linear = MyLinear(5, 3)
linear.weight
输出:
Parameter containing:
tensor([[ 1.9054, -3.4102, -0.9792],
[ 1.5522, 0.8707, 0.6481],
[ 1.0974, 0.2568, 0.4034],
[ 0.1416, -1.1389, 0.5875],
[-0.7209, 0.4432, 0.1222]], requires_grad=True)
使用自定义层直接执行前向传播计算:1
linear(torch.rand(2, 5))
使用自定义层构建模型:1
2net = nn.Sequential(MyLinear(64, 8), MyLinear(8, 1))
net(torch.rand(2, 64))
5. 读写文件
有时我们希望保存训练的模型, 以备将来在各种环境中使用(比如在部署中进行预测)。 此外,当运行一个耗时较长的训练过程时, 最佳的做法是定期保存中间结果, 以确保在服务器电源被不小心断掉时不会损失几天的计算结果。
本节学习如何加载和存储权重向量和整个模型。
5.1. 加载和保存张量
对于单个张量,可以直接调用load和save函数分别读写它们。 这两个函数都要求我们提供一个名称,save要求将要保存的变量作为输入。1
2
3
4
5
6import torch
from torch import nn
from torch.nn import functional as F
x = torch.arange(4)
torch.save(x, 'x-file')
将存储在文件中的数据读回内存:1
2
3
4
5x2 = torch.load('x-file')
x2
输出:
tensor([0, 1, 2, 3])
存储一个张量列表,然后读回内存:1
2
3
4
5
6
7y = torch.zeros(4)
torch.save([x, y],'x-files')
x2, y2 = torch.load('x-files')
(x2, y2)
输出:
(tensor([0, 1, 2, 3]), tensor([0., 0., 0., 0.]))
可以写入或读取从字符串映射到张量的字典,当需要读取或写入模型中的所有权重时很有用:1
2
3
4
5
6
7mydict = {'x': x, 'y': y}
torch.save(mydict, 'mydict')
mydict2 = torch.load('mydict')
mydict2
输出:
{'x': tensor([0, 1, 2, 3]), 'y': tensor([0., 0., 0., 0.])}
5.2. 加载和保存模型参数
深度学习框架提供了内置函数来保存和加载整个网络。注意这将保存模型的参数而不是保存整个模型。
例如,如果我们有一个3层多层感知机,我们需要单独指定架构。 因为模型本身可以包含任意代码,难以序列化。 为了恢复模型,我们需要用代码生成架构, 然后从磁盘加载参数。
以下面的多层感知机为例:1
2
3
4
5
6
7
8
9
10
11
12class MLP(nn.Module):
def __init__(self):
super().__init__()
self.hidden = nn.Linear(20, 256)
self.output = nn.Linear(256, 10)
def forward(self, x):
return self.output(F.relu(self.hidden(x)))
net = MLP()
X = torch.randn(size=(2, 20))
Y = net(X)
存储模型参数到文件:1
torch.save(net.state_dict(), 'mlp.params')
恢复模型,实例化了原始多层感知机模型的一个备份。这里不需要随机初始化模型参数,而是直接读取文件中存储的参数:1
2
3
4clone = MLP()
clone.load_state_dict(torch.load('mlp.params'))
# 进入评估模式,对这个例子没啥用
clone.eval()
由于两个实例具有相同的模型参数,在输入相同的X时,两个实例的计算结果应该相同,即:clone(X) == Y
6. GPU
自2000年以来,GPU性能每十年增长1000倍。本节将讨论如何使用单个GPU,然后是如何使用多个GPU和多个服务器(具有多个GPU)。
先看看如何使用单个NVIDIA GPU进行计算。
首先,确保实验机器至少安装了一个NVIDIA GPU。 然后,下载NVIDIA驱动和CUDA 并按照提示设置适当的路径。 当这些准备工作完成,就可以使用nvidia-smi命令来查看显卡信息。
例如:1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33Thu Mar 31 23:45:57 2022
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 460.27.04 Driver Version: 460.27.04 CUDA Version: 11.2 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|===============================+======================+======================|
| 0 Tesla V100-SXM2... Off | 00000000:00:1B.0 Off | 0 |
| N/A 44C P0 77W / 300W | 1612MiB / 16160MiB | 63% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
| 1 Tesla V100-SXM2... Off | 00000000:00:1C.0 Off | 0 |
| N/A 47C P0 38W / 300W | 0MiB / 16160MiB | 0% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
| 2 Tesla V100-SXM2... Off | 00000000:00:1D.0 Off | 0 |
| N/A 44C P0 77W / 300W | 1624MiB / 16160MiB | 61% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
| 3 Tesla V100-SXM2... Off | 00000000:00:1E.0 Off | 0 |
| N/A 52C P0 42W / 300W | 0MiB / 16160MiB | 0% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=============================================================================|
| 0 N/A N/A 94484 C ...l-zh-release-0/bin/python 1609MiB |
| 2 N/A N/A 94484 C ...l-zh-release-0/bin/python 1621MiB |
+-----------------------------------------------------------------------------+
在PyTorch中,每个数组都有一个设备(device), 我们通常将其称为上下文(context)。 默认情况下,所有变量和相关的计算都分配给CPU。 有时上下文可能是GPU。 当我们跨多个服务器部署作业时,事情会变得更加棘手。 通过智能地将数组分配给上下文(设备), 我们可以最大限度地减少在设备之间传输数据的时间。 例如当在带有GPU的服务器上训练神经网络时,通常希望模型的参数在GPU上。
要运行此部分中的程序,至少需要两个GPU。(目前一个都没有😭)
6.1. 计算设备
我们可以指定用于存储和计算的设备,如CPU和GPU。 默认情况下,张量是在内存中创建的,然后使用CPU计算它。
在PyTorch中,CPU和GPU可以用torch.device(‘cpu’) 和torch.device(‘cuda’)表示。 应该注意的是,cpu设备意味着所有物理CPU和内存,这意味着PyTorch的计算将尝试使用所有CPU核心。 然而,gpu设备只代表一个卡和相应的显存。 如果有多个GPU,我们使用torch.device(f’cuda:{i}’) 来表示第i块GPU(i从0开始)。 另外,cuda:0和cuda是等价的。
对于M1芯片的设备,torch.has_mps
可以检查是否有gpu😆。1
2
3
4
5
6
7import torch
from torch import nn
torch.device('cpu'), torch.device('cuda'), torch.device('cuda:1')
输出:
(device(type='cpu'), device(type='cuda'), device(type='cuda', index=1))
查询可用gpu数量:1
torch.cuda.device_count()
定义两个函数,允许我们在不存在所需所有GPU的情况下运行代码。1
2
3
4
5
6
7
8
9
10
11
12
13def try_gpu(i=0):
"""如果存在,则返回gpu(i),否则返回cpu()"""
if torch.cuda.device_count() >= i + 1:
return torch.device(f'cuda:{i}')
return torch.device('cpu')
def try_all_gpus():
"""返回所有可用的GPU,如果没有GPU,则返回[cpu(),]"""
devices = [torch.device(f'cuda:{i}')
for i in range(torch.cuda.device_count())]
return devices if devices else [torch.device('cpu')]
try_gpu(), try_gpu(10), try_all_gpus()
6.2. 张量与GPU
查询张量所在的设备,默认情况下,张量是在CPU上创建的:1
2x = torch.tensor([1, 2, 3])
x.device
需要注意的是,无论何时我们要对多个项进行操作, 它们都必须在同一个设备上。 例如,如果我们对两个张量求和, 我们需要确保两个张量都位于同一个设备上,否则框架将不知道在哪里存储结果,甚至不知道在哪里执行计算。
6.2.1. 存储在GPU上
有几种方法可以在GPU上存储张量。 例如可以在创建张量时指定存储设备。
接下来在第一个gpu上创建张量变量X。在GPU上创建的张量只消耗这个GPU的显存。我们可以使用nvidia-smi命令查看显存使用情况。 一般需要确保不创建超过GPU显存限制的数据。1
2X = torch.ones(2, 3, device=try_gpu())
X
假设至少有两个GPU,下面的代码将在第二个GPU上创建一个随机张量:1
2Y = torch.rand(2, 3, device=try_gpu(1))
Y
对于M1芯片的设备,可以这样进行操作:1
2
3
4
5X = torch.ones(2, 3, device=torch.device('mps'))
print(X.device)
Y = torch.ones(2, 3)
print(Y.device)
输出:1
2mps:0
cpu
可以看出默认是在cpu上,但是可以指定到mps上。
6.2.2. 复制
如果要计算X + Y则需要决定在哪里执行这个操作。如下图,我们可以将X传输到第二个GPU并在那里执行操作。
不要简单地X加上Y,这会导致异常,运行时引擎不知道该怎么做:它在同一设备上找不到数据会导致失败。 由于Y位于第二个GPU上,所以需要将X移到那里, 然后才能执行相加运算。1
2
3
4
5
6
7
8
9Z = X.cuda(1)
print(X)
print(Z)
输出:
tensor([[1., 1., 1.],
[1., 1., 1.]], device='cuda:0')
tensor([[1., 1., 1.],
[1., 1., 1.]], device='cuda:1')
现在数据在同一个GPU上(Z和Y都在),可以将它们相加。1
Y + Z
假设变量Z已经存在于第二个GPU上。 此时调用Z.cuda(1)将返回Z,而不会复制并分配新内存。1
2
3
4Z.cuda(1) is Z
输出:
True
6.2.3. 旁注
人们使用GPU来进行机器学习,因为单个GPU相对运行速度快。 但是在设备(CPU、GPU和其他机器)之间传输数据比计算慢得多。 这也使得并行化变得更加困难,因为我们必须等待数据被发送(或者接收), 然后才能继续进行更多的操作。 这就是为什么拷贝操作要格外小心。 根据经验,多个小操作比一个大操作糟糕得多。 此外,一次执行几个操作比代码中散布的许多单个操作要好得多(除非你确信自己在做什么)。 如果一个设备必须等待另一个设备才能执行其他操作, 那么这样的操作可能会阻塞。
最后,当我们打印张量或将张量转换为NumPy格式时, 如果数据不在内存中,框架会首先将其复制到内存中, 这会导致额外的传输开销。 更糟糕的是,它现在受制于全局解释器锁,使得一切都得等待Python完成。
6.3. 神经网络与GPU
神经网络模型可以指定设备,将模型参数放在GPU上:1
2net = nn.Sequential(nn.Linear(3, 1))
net = net.to(device=try_gpu())
当输入为GPU上的张量时,模型将在同一GPU上计算结果:1
2
3
4
5net(X)
输出:
tensor([[-0.7803],
[-0.7803]], device='cuda:0', grad_fn=<AddmmBackward0>)
确认模型参数存储在同一个GPU上:1
net[0].weight.data.device
只要所有的数据和参数都在同一个设备上,就可以有效地学习模型。
6.4. 比较M1芯片设备CPU与GPU速度差异
1 | t1 = time.time() |
输出:1
2
3
4mps:0
0.2889399528503418
cpu
4.196138620376587
可以看到差异极大。