[Notas de estudio de Pytorch (3)]: relacionado con NN

REDES NEURONALES

Podemos usar torch.nnpaquetes para construir redes neuronales.

Como aprendí en el artículo anterior autograd, los nnpaquetes se basan en autogradpaquetes para definir modelos y derivarlos. Uno nn.Moduleincluye 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 forwardfunción en la clase anterior , y se backwardha definido automáticamente en autograd. forwardCualquier 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 admite backward()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_gradtensores en este gráfico que son verdaderos .gradacumularán 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