Implementação em Python da série de aprendizado profundo [propagação direta e propagação reversa]

Prefácio

Antes de entender a estrutura de aprendizado profundo, precisamos entender ou mesmo implementar um processo de aprendizado em rede e ajuste de parâmetros por nós mesmos, e então entender o mecanismo de aprendizado profundo;

Por esse motivo, o blogueiro aqui fornece um exemplo escrito por ele mesmo para levar todos a entender o processo de propagação para a frente e para trás da aprendizagem online;

Além disso, para obter a leitura em lote, também projetei e forneci uma classe DataLoader simples para simular a amostragem de iteradores de dados no aprendizado profundo e forneci uma função para acessar o modelo;

---

Vale ressaltar que ele só é implementado em python , portanto a demanda pelo ambiente não é muito grande. Espero que você possa estrelar meu blog e github mais para aprender mais conhecimentos úteis! !

---

índice

Um, alcance o efeito

Em segundo lugar, a estrutura geral do código

Três, descrição detalhada do código

1. Processamento de dados

2. Projeto de rede

3. Função de ativação

4. Treinamento

Quatro, demonstração de treinamento

Cinco, resumo

 

---

Um, alcance o efeito

Implemente uma rede composta de várias camadas lineares para se adequar à função, endereço do projeto: https://github.com/nickhuang1996/HJLNet , execute:

python demo.py

A função de ajuste é :

Os seguintes resultados são da esquerda para a direita (a taxa de aprendizagem é 0,03, o tamanho do lote é 90):

Época: 400, 1000, 2000, 10000 ou mais

---

Em segundo lugar, a estrutura geral do código

---

Três, descrição detalhada do código

1. Processamento de dados

Dataset.py

x são os dados entre 0 e 2 e o tamanho do passo é 0,01, portanto são 200 dados;

y é a função objetivo, a amplitude é 20;

comprimento é o comprimento dos dados;

_build_items () é construir um dicionário para armazenar x e y;

_transform () é transformar os dados xey;

import numpy as np


class Dataset:
    def __init__(self):

        self.x = np.arange(0.0, 2.0, 0.01)
        self.y = 20 * np.sin(2 * np.pi * self.x)
        self.length = len(list(self.x))
        self._build_items()
        self._transform()

    def _build_items(self):
        self.items = [{
            'x': list(self.x)[i],
            'y': list(self.y)[i]
        }for i in range(self.length)]

    def _transform(self):
        self.x = self.x.reshape(1, self.__len__())
        self.y = self.y.reshape(1, self.__len__())

    def __len__(self):
        return self.length

    def __getitem__(self, index):
        return self.items[index]

DataLoader.py

Semelhante ao DataLoader no Pytorch, o blogger também passa dois parâmetros para inicialização aqui: dataset e batch_size

__next __ () é a função executada em cada iteração, usando __len __ () para obter o comprimento do conjunto de dados e usando __getitem __ () para obter os dados no conjunto de dados;

_concate () é concatenar os dados de um lote;

_transform () é transformar a forma de dados de um lote;

import numpy as np


class DataLoader:
    def __init__(self, dataset, batch_size):
        self.dataset = dataset
        self.batch_size = batch_size
        self.current = 0

    def __next__(self):
        if self.current < self.dataset.__len__():
            if self.current + self.batch_size <= self.dataset.__len__():
                item = self._concate([self.dataset.__getitem__(index) for index in range(self.current, self.current + self.batch_size)])
                self.current += self.batch_size
            else:
                item = self._concate([self.dataset.__getitem__(index) for index in range(self.current, self.dataset.__len__())])
                self.current = self.dataset.__len__()
            return item
        else:
            self.current = 0
            raise StopIteration

    def _concate(self, dataset_items):
        concated_item = {}
        for item in dataset_items:
            for k, v in item.items():
                if k not in concated_item:
                    concated_item[k] = [v]
                else:
                    concated_item[k].append(v)
        concated_item = self._transform(concated_item)
        return concated_item

    def _transform(self, concated_item):
        for k, v in concated_item.items():
            concated_item[k] = np.array(v).reshape(1, len(v))
        return concated_item

    def __iter__(self):
        return self

---

2. Projeto de rede

Linear.py

Semelhante ao Linear no Pytorch, o blogger também passa três parâmetros para inicialização aqui: in_features, out_features, bias

_init_parameters () é o peso de inicialização peso e polarização de polarização , o peso tamanho é [out_features, in_features] , e o polarização tamanho é [out_features, 1]

forward é propagação direta:

import numpy as np


class Linear:
    def __init__(self, in_features, out_features, bias=False):
        self.in_features = in_features
        self.out_features = out_features
        self.bias = bias
        self._init_parameters()

    def _init_parameters(self):
        self.weight = np.random.random([self.out_features, self.in_features])
        if self.bias:
            self.bias = np.zeros([self.out_features, 1])
        else:
            self.bias = None

    def forward(self, input):
        return self.weight.dot(input) + self.bias

* network.py

Uma rede linear simples de várias camadas

_init_parameters () é armazenar o peso e a paranóia na camada Linear em um dicionário;

forward () é propagação direta e a última camada não passa por Sigmoid;

backward () é a propagação reversa, usando gradiente descendente para obter transferência de erro e ajuste de parâmetro: por exemplo, a propagação reversa de uma camada Linear de duas camadas é a seguinte

update_grads () é o peso e o viés da atualização;

# -*- coding: UTF-8 -*-
import numpy as np
from ..lib.Activation.Sigmoid import sigmoid_derivative, sigmoid
from ..lib.Module.Linear import Linear

class network:
    def __init__(self, layers_dim):
        self.layers_dim = layers_dim
        self.linear_list = [Linear(layers_dim[i - 1], layers_dim[i], bias=True) for i in range(1, len(layers_dim))]
        self.parameters = {}
        self._init_parameters()

    def _init_parameters(self):
        for i in range(len(self.layers_dim) - 1):
            self.parameters["w" + str(i)] = self.linear_list[i].weight
            self.parameters["b" + str(i)] = self.linear_list[i].bias

    def forward(self, x):
        a = []
        z = []
        caches = {}
        a.append(x)
        z.append(x)

        layers = len(self.parameters) // 2

        for i in range(layers):
            z_temp = self.linear_list[i].forward(a[i])
            self.parameters["w" + str(i)] = self.linear_list[i].weight
            self.parameters["b" + str(i)] = self.linear_list[i].bias
            z.append(z_temp)
            if i == layers - 1:
                a.append(z_temp)
            else:
                a.append(sigmoid(z_temp))
        caches["z"] = z
        caches["a"] = a
        return caches, a[layers]

    def backward(self, caches, output, y):
        layers = len(self.parameters) // 2
        grads = {}
        m = y.shape[1]

        for i in reversed(range(layers)):
            # 假设最后一层不经历激活函数
            # 就是按照上面的图片中的公式写的
            if i == layers - 1:
                grads["dz" + str(i)] = output - y
            else:  # 前面全部都是sigmoid激活
                grads["dz" + str(i)] = self.parameters["w" + str(i + 1)].T.dot(
                    grads["dz" + str(i + 1)]) * sigmoid_derivative(
                    caches["z"][i + 1])
            grads["dw" + str(i)] = grads["dz" + str(i)].dot(caches["a"][i].T) / m
            grads["db" + str(i)] = np.sum(grads["dz" + str(i)], axis=1, keepdims=True) / m
        return grads

    # 就是把其所有的权重以及偏执都更新一下
    def update_grads(self, grads, learning_rate):
        layers = len(self.parameters) // 2
        for i in range(layers):
            self.parameters["w" + str(i)] -= learning_rate * grads["dw" + str(i)]
            self.parameters["b" + str(i)] -= learning_rate * grads["db" + str(i)]

---

3. Função de ativação

Sigmoid.py

Definição da fórmula:

A derivada pode ser representada por si mesma:

import numpy as np


def sigmoid(x):
    return 1.0 / (1.0 + np.exp(-x))


def sigmoid_derivative(x):
    return sigmoid(x) * (1 - sigmoid(x))

4. Treinamento

demo.py

O arquivo de entrada do modelo de treinamento, incluindo modelos de treinamento , teste e armazenamento

from code.scripts.trainer import Trainer
from code.config.default_config import _C


if __name__ == '__main__':
    trainer = Trainer(cfg=_C)
    trainer.train()
    trainer.test()
    trainer.save_models()

default_config.py

Arquivo de configuração :

layers_dim representa as dimensões de entrada e saída da camada Linear;

batch_size é o tamanho do lote;

total_epochs é o tempo geral de treinamento, um treinamento x é uma época;

Currículo é julgar para continuar o treinamento;

result_img_path é o caminho de armazenamento de resultados;

ckpt_path é o caminho onde o modelo está armazenado;

from easydict import EasyDict


_C = EasyDict()
_C.layers_dim = [1, 25, 1] # [1, 30, 10, 1]
_C.batch_size = 90
_C.total_epochs = 40000
_C.resume = True  # False means retraining
_C.result_img_path = "D:/project/Pycharm/HJLNet/result.png"
_C.ckpt_path = 'D:/project/Pycharm/HJLNet/ckpt.npy'

trainer.py

Não vou entrar em detalhes aqui, eu uso principalmente train () para treinamento e test () para teste.

from ..lib.Data.DataLoader import DataLoader
from ..scripts.Dataset import Dataset
from ..scripts.network import network
import matplotlib.pyplot as plt
import numpy as np


class Trainer:
    def __init__(self, cfg):
        self.ckpt_path = cfg.ckpt_path
        self.result_img_path = cfg.result_img_path
        self.layers_dim = cfg.layers_dim
        self.net = network(self.layers_dim)
        if cfg.resume:
            self.load_models()
        self.dataset = Dataset()
        self.dataloader = DataLoader(dataset=self.dataset, batch_size=cfg.batch_size)
        self.total_epochs = cfg.total_epochs
        self.iterations = 0
        self.x = self.dataset.x
        self.y = self.dataset.y
        self.draw_data(self.x, self.y)

    def train(self):
        for i in range(self.total_epochs):

            for item in self.dataloader:
                caches, output = self.net.forward(item['x'])
                grads = self.net.backward(caches, output, item['y'])
                self.net.update_grads(grads, learning_rate=0.03)
                if i % 100 == 0:
                    print("Epoch: {}/{} Iteration: {} Loss: {}".format(i + 1,
                                                                       self.total_epochs,
                                                                       self.iterations,
                                                                       self.compute_loss(output, item['y'])))
                self.iterations += 1

    def test(self):
        caches, output = self.net.forward(self.x)
        self.draw_data(self.x, output)
        self.save_results()
        self.show()

    def save_models(self):
        ckpt = {
            "layers_dim": self.net.layers_dim,
            "parameters": self.net.linear_list
        }
        np.save(self.ckpt_path, ckpt)
        print('Save models finish!!')

    def load_models(self):
        ckpt = np.load(self.ckpt_path).item()
        self.net.layers_dim = ckpt["layers_dim"]
        self.net.linear_list = ckpt["parameters"]
        print('load models finish!!')

    def draw_data(self, x, y):
        plt.scatter(x, y)

    def show(self):
        plt.show()

    def save_results(self):
        plt.savefig(fname=self.result_img_path, figsize=[10, 10])

    # 计算误差值
    def compute_loss(self, output, y):
        return np.mean(np.square(output - y))

---

Quatro, demonstração de treinamento

Durante o treinamento, o tempo de treinamento, o número de iterações e alterações de perda serão emitidos, e o modelo e os resultados serão armazenados após o treinamento.

1. Comece o treinamento

2. Após o treinamento, leia o último modelo para continuar o treinamento

3. Exibição de resultados

---

Cinco, resumo

Desta forma, conheço o processo de propagação para frente e para trás de um processo básico de treinamento de rede. Posteriormente, códigos e princípios mais detalhados serão atualizados para ajudá-lo a aprender o conhecimento e os conceitos de aprendizagem profunda