Directorio de artículos
REDES NEURONALES
Podemos usar torch.nn
paquetes para construir redes neuronales.
Como aprendí en el artículo anterior autograd
, los nn
paquetes se basan en autograd
paquetes para definir modelos y derivarlos. Uno nn.Module
incluye diferentes capas y métodos para devolver la salida forward(input)
.
Por ejemplo, puede mirar la red utilizada para el reconocimiento de imágenes digitales:
[foto]
Esta es una red simple de retroalimentación. La red primero acepta la entrada, luego la envía a la siguiente capa, transmisión capa por capa, y finalmente la salida.
El proceso de entrenamiento típico de la red neuronal es el siguiente:
- Definir una red neuronal que contenga parámetros (o pesos) que se puedan aprender
- Iterar sobre el conjunto de datos de entrada
- Proceso de entrada a través de la red
- Calcule la pérdida (distancia entre la salida y la respuesta correcta)
- Volver a propagar el gradiente a los parámetros de la red
- Actualice el peso de la red, una regla simple de uso común: peso = peso-velocidad_aprendizaje * gradiente
Define la red
import torch
import torch.nn as nn
import torch.nn.functional as F
class Net(nn.Module):
def __init__(self):
super(Net, self).__init__()
# 1 input image channel, 6 output channels, 3x3 square convolution
# kernel
self.conv1 = nn.Conv2d(1, 6, 3)
self.conv2 = nn.Conv2d(6, 16, 3)
# an affine operation: y = Wx + b
self.fc1 = nn.Linear(16 * 6 * 6, 120) # 6*6 from image dimension
self.fc2 = nn.Linear(120, 84)
self.fc3 = nn.Linear(84, 10)
def forward(self, x):
# Max pooling over a (2, 2) window
x = F.max_pool2d(F.relu(self.conv1(x)), (2, 2))
# If the size is a square you can only specify a single number
x = F.max_pool2d(F.relu(self.conv2(x)), 2)
x = x.view(-1, self.num_flat_features(x))
x = F.relu(self.fc1(x))
x = F.relu(self.fc2(x))
x = self.fc3(x)
return x
def num_flat_features(self, x):
size = x.size()[1:] # all dimensions except the batch dimension
num_features = 1
for s in size:
num_features *= s
return num_features
net = Net()
print(net)
salida
Net(
(conv1): Conv2d(1, 6, kernel_size=(3, 3), stride=(1, 1))
(conv2): Conv2d(6, 16, kernel_size=(3, 3), stride=(1, 1))
(fc1): Linear(in_features=576, out_features=120, bias=True)
(fc2): Linear(in_features=120, out_features=84, bias=True)
(fc3): Linear(in_features=84, out_features=10, bias=True)
)
Hemos definido una forward
función en la clase anterior , y se backward
ha definido automáticamente en autograd. forward
Cualquier operación de tensor se puede utilizar en la función.
Los parámetros entrenables del modelo se net.parameters()
encuentran por.
params = list(net.parameters())
print(len(params))
print(params[0].size()) # conv1's .weight
# output:
# 10
# torch.Size([6, 1, 3, 3])
Ahora podemos probar primero una entrada de 32x32. Porque la entrada esperada de esta red ( LeNet ) es 32x32. Si desea utilizar el conjunto de datos MNIST para el entrenamiento, debe prestar atención para ajustar el tamaño de la imagen a 32x32.
input = torch.randn(1, 1, 32, 32)
out = net(input)
print(out)
# output:
# tensor([[ 0.0399, -0.0856, 0.0668, 0.0915, 0.0453, -0.0680, -0.1024, # 0.0493, -0.1043, -0.1267]], grad_fn=<AddmmBackward>)
Borre el caché de gradiente de todos los parámetros y luego realice la propagación inversa del gradiente aleatorio:
net.zero_grad()
out.backward(torch.randn(1, 10))
Consejos: torch.nn solo admite mini lotes. Todo el paquete torch.nn solo admite la entrada de muestras de lotes pequeños, no una sola muestra.
Por ejemplo, nn.Conv2d acepta un tensor de 4 dimensiones, es decir, nSamples x nChannels x Height x Width
Si es una muestra separada, simplemente use input.unsqueeze (0) para agregar una dimensión de tamaño de lote "falso".
Resumen:
torch.Tensor
-Una matriz multidimensional que admitebackward()
operaciones de derivación automáticas como, al tiempo que guarda el gradiente del tensor.nn.Module
-Módulo de red neuronal. Es una forma conveniente de encapsular parámetros, con las funciones de mover parámetros a GPU, exportar, cargar, etc.nn.Parameter
-Un tipo de tensor, cuando se asigna a un módulo como un atributo, se registra automáticamente como un parámetro.autograd.Function
-Alcanzó la definición de derivación automática de propagación hacia adelante y hacia atrás. Cada Tensor crea al menos un nodo de Función, que está conectado a la función que creó el Tensor y codifica su historial.
Hasta ahora, hemos aprendido:
- Cómo definir una red
- Procesar entrada y llamar hacia atrás
Lo que aún queda por aprender:
- Calcular la pérdida
- Actualizar pesos de red
función de pérdida
Una función de pérdida acepta un par de (salida, objetivo) como entrada y calcula un valor para estimar cuánto difiere la salida de la red del valor objetivo.
Hay muchas funciones de pérdida diferentes en el paquete nn. nn.MSELoss es relativamente simple: calcula el error cuadrático medio de la salida y el objetivo.
output = net(input)
target = torch.randn(10) # 本例子中使用模拟数据
target = target.view(1, -1) # 使目标值与数据值形状一致
criterion = nn.MSELoss()
loss = criterion(output, target)
print(loss)
# tensor(1.0263, grad_fn=<MseLossBackward>)
Ahora, si usa el atributo loss.grad_fn para rastrear el proceso de propagación hacia atrás, verá el diagrama de cálculo de la siguiente manera:
input -> conv2d -> relu -> maxpool2d -> conv2d -> relu -> maxpool2d
-> view -> linear -> relu -> linear -> relu -> linear
-> MSELoss
-> loss
Cuando se llama loss.backward()
, todo el gráfico se diferencia por pérdida. Todos los requires_grad
tensores en este gráfico que son verdaderos .grad
acumularán gradientes para sus atributos.
Podemos rastrear algunos pasos de la siguiente manera
print(loss.grad_fn) # MSELoss
print(loss.grad_fn.next_functions[0][0]) # Linear
print(loss.grad_fn.next_functions[0][0].next_functions[0][0]) # ReLU
# output:
# <MseLossBackward object at 0x7f8dac1b4550>
# <AddmmBackward object at 0x7f8dac1b4a90>
# <AccumulateGrad object at 0x7f8dac1b4a90>
Backprop
Solo tenemos que llamar loss.backward()
para volver a propagar los pesos. Primero necesitamos borrar el gradiente existente, de lo contrario el gradiente se acumulará con el gradiente existente.
tiempo de demostración: la siguiente es una llamada loss.backward()
para ver el cambio de gradiente del sesgo de capa conv1 antes y después de la propagación hacia atrás
net.zero_grad() # 清零所有参数(parameter)的梯度缓存
print('conv1.bias.grad before backward')
print(net.conv1.bias.grad)
loss.backward()
print('conv1.bias.grad after backward')
print(net.conv1.bias.grad)
# output:
# conv1.bias.grad before backward
# tensor([0., 0., 0., 0., 0., 0.])
# conv1.bias.grad after backward
# tensor([ 0.0084, 0.0019, -0.0179, -0.0212, 0.0067, -0.0096])
Actualiza los pesos
La regla de actualización más simple es el descenso de gradiente estocástico (SGD):
weight = weight - learning_rate * gradient
Implementación simple:
learning_rate = 0.01
for f in net.parameters():
f.data.sub_(f.grad.data * learning_rate)
Al mismo tiempo, cuando usamos redes neuronales, también podemos querer usar varias reglas de actualización, como SGD, Nesterov-SGD, Adam, RMSProp, etc. Para esto, se puede utilizar torch.optim
, lo que implementa todos estos métodos. También es muy simple de usar:
import torch.optim as optim
# 创建优化器(optimizer)
optimizer = optim.SGD(net.parameters(), lr=0.01)
# 在训练的迭代中:
optimizer.zero_grad() # 清零梯度缓存
output = net(input)
loss = criterion(output, target)
loss.backward()
optimizer.step() # 更新参数
ÁRBITRO
https://pytorch.apachecn.org/docs/1.4/blitz/neural_networks_tutorial.html
https://pytorch.org/tutorials/beginner/blitz/neural_networks_tutorial.html