参考https://github.com/chenyuntc/pytorch-book/tree/v1.0
希望大家直接到上面的网址去查看代码,下面是本人的笔记
本章介绍的nn模块是构建与autograd之上的神经网络模块
除了nn外还会介绍神经网络中常用的工具,比如优化器optim、初始化init等
1.nn.Module
torch的核心数据结构是Module,它是一个抽象的概念,既可以表示神经网络中的某个层,也可以表示一个包含很多层的神经网络
在实际使用中,最常见的做法是继承nn.Module,攥写自己的网络层
下面先来看看如何使用nn.Module实现自己的全连接层。全连接层,又名仿射层,输出y和输入x满足y=Wx +b,W和b是可以学习的参数
import torch as t from torch import nn from torch.autograd import Variable as V
定义函数:
class Linear(nn.Module): #继承nn.Moduledef __init__(self, in_features, out_features):super(Linear, self).__init__() #等价于nn.Module.__init__(self)self.w = nn.Parameter(t.randn(in_features,out_features)) #参数的命名规范下面会说明self.b = nn.Parameter(t.randn(out_features))def forward(self, x):x = x.mm(self.w)return x + self.b.expand_as(x)
运行:
layer = Linear(4,3) input = V(t.randn(2,4)) output = layer(input) output
返回:
tensor([[-0.4199, 3.7252, 1.9104],[ 2.3267, 2.0576, -2.9361]], grad_fn=<AddBackward0>)
查看参数:
for name, parameter in layer.named_parameters():print(name, parameter) #即w,b
返回:
w Parameter containing: tensor([[ 1.1147, -0.8054, -0.7915],[-0.3828, 0.1073, 2.0440],[-0.3297, 0.0465, 0.0759],[ 0.1022, 0.1638, 1.0872]], requires_grad=True) b Parameter containing: tensor([ 1.2872, 2.3990, -0.7711], requires_grad=True)
可见,全连接层的实现非常简单,其代码量不超过10行,但需注意以下几点:
- 自定义层
Linear
必须继承nn.Module
,并且在其构造函数中需调用nn.Module
的构造函数,即super(Linear, self).__init__()
或nn.Module.__init__(self)
,推荐使用第一种用法,尽管第二种写法更直观。 - 在构造函数
__init__
中必须自己定义可学习的参数,并封装成Parameter
,如在本例中我们把w
和b
封装成parameter
。parameter
是一种特殊的Variable
,但其默认需要求导(requires_grad = True),感兴趣的读者可以通过nn.Parameter??
,查看Parameter
类的源代码。 forward
函数实现前向传播过程,其输入可以是一个或多个variable,对x的任何操作也必须是variable支持的操作。- 无需写反向传播函数,因其前向传播都是对variable进行操作,nn.Module能够利用autograd自动实现反向传播,这点比Function简单许多。
- 使用时,直观上可将layer看成数学概念中的函数,调用layer(input)即可得到input对应的结果。它等价于
layers.__call__(input)
,在__call__
函数中,主要调用的是layer.forward(x)
,另外还对钩子做了一些处理。所以在实际使用中应尽量使用layer(x)
而不是使用layer.forward(x)
,关于钩子技术将在下文讲解。 Module
中的可学习参数可以通过named_parameters()
或者parameters()
返回迭代器,前者会给每个parameter都附上名字,使其更具有辨识度。
可见利用Module实现的全连接层,比利用Function
实现的更为简单,因其不再需要写反向传播函数。
Module能够自动检测到自己的Parameter
,并将其作为学习参数。除了parameter
之外,Module还包含子Module
,主Module能够递归查找子Module
中的parameter
。下面再来看看稍微复杂一点的网络,多层感知机。
多层感知机的网络结构如图4-1所示,它由两个全连接层组成,采用函数作为激活函数,图中没有画出。
class Perceptron(nn.Module):def __init__(self, in_features, hidden_features, out_features):super(Perceptron, self).__init__()self.layer1 = Linear(in_features, hidden_features) #使用的是上面定义的Linear函数self.layer2 = Linear(hidden_features, out_features)def forward(self, x):x = self.layer1(x)x = t.sigmoid(x) #激活函数return self.layer2(x)
调用:
perceptron = Perceptron(3,4,1) for name, param in perceptron.named_parameters():print(name, param.size())
返回:
layer1.w torch.Size([3, 4]) layer1.b torch.Size([4]) layer2.w torch.Size([4, 1]) layer2.b torch.Size([1])
可见,即使是稍复杂的多层感知机,其实现依旧很简单。这里新增两个知识点:
- 构造函数
__init__
中,可利用前面自定义的Linear层(module),作为当前module对象的一个子module,它的可学习参数,也会成为当前module的可学习参数。 - 在前向传播函数中,我们有意识地将输出变量都命名成
x
,是为了能让Python回收一些中间层的输出,从而节省内存。但并不是所有都会被回收,有些variable虽然名字被覆盖,但其在反向传播仍需要用到,此时Python的内存回收模块将通过检查引用计数,不会回收这一部分内存。
module中parameter的命名规范:
- 对于类似
self.param_name = nn.Parameter(t.randn(3, 4))
,命名为param_name
- 对于子Module中的parameter,会其名字之前加上当前Module的名字。如对于
self.sub_module = SubModel()
,SubModel中有个parameter的名字叫做param_name,那么二者拼接而成的parameter name 就是sub_module.param_name
。
为方便用户使用,PyTorch实现了神经网络中绝大多数的layer,这些layer都继承于nn.Module,封装了可学习参数parameter
,并实现了forward函数,且很多都专门针对GPU运算进行了CuDNN优化,其速度和性能都十分优异。本书不准备对nn.Module中的所有层进行详细介绍,具体内容读者可参照官方文档。阅读文档时应主要关注以下几点:
- 构造函数的参数,如nn.Linear(in_features, out_features, bias),需关注这三个参数的作用。
- 属性,可学习参数,子module。如nn.Linear中有
weight
和bias
两个可学习参数,不包含子module。 - 输入输出的形状,如nn.linear的输入形状是(N, input_features),输出为(N,output_features),N是batch_size。
这些自定义layer对输入形状都有假设:输入的不是单个数据,而是一个batch。
若想输入一个数据,则必须调用unsqueeze(0)
函数将数据伪装成batch_size=1的batch
下面将从应用层面出发,对一些常用的layer做简单介绍,更详细的用法请查看文档,这里只作概览参考。
2.常用神经网络层
1.图像相关层
图像相关层主要包括卷积层(Conv)、池化层(Pool)等,这些层在实际使用中可分为一维(1D)、二维(2D)、三维(3D),池化方式又分为平均池化(AvgPool)、最大值池化(MaxPool)、自适应池化(AdaptiveAvgPool)等。而卷积层除了常用的前向卷积之外,还有逆卷积(TransposeConv)。下面举例说明一些基础的使用。
from PIL import Image from torchvision.transforms import ToTensor, ToPILImage to_tensor = ToTensor() #img -> tensor to_pil = ToPILImage() lena = Image.open('imgs/lena.png') #这是个灰度图像 lena
返回图片:
#输入是一个batch,batch_size = 1 print(lena.size) #(1, 200, 200) input = to_tensor(lena).unsqueeze(0) #变成(1,1,200,200) print(input)
#锐化卷积核 kernel = t.ones(3 ,3)/-9 kernel[1][1] = 1 conv = nn.Conv2d(1, 1, (3,3), 1, bias = False) conv.weight.data = kernel.view(1,1,3,3)out = conv(V(input)) to_pil(out.data.squeeze(0))
返回:
(200, 200) tensor([[[[0.6353, 0.6314, 0.6314, ..., 0.6118, 0.6667, 0.5922],[0.6353, 0.6314, 0.6314, ..., 0.6078, 0.6510, 0.5647],[0.6275, 0.6235, 0.6235, ..., 0.4824, 0.4157, 0.3098],...,[0.1961, 0.2078, 0.2078, ..., 0.2510, 0.3098, 0.3412],[0.1922, 0.2000, 0.2039, ..., 0.3098, 0.3686, 0.3804],[0.1843, 0.2078, 0.1961, ..., 0.3569, 0.3961, 0.4078]]]])
图示:
池化层可以看作是一种特殊的卷积层,用来下采样。但池化层没有可学习参数,其weight是固定的。
pool = nn.AvgPool2d(2,2) #平均池化 list(pool.parameters()) #返回[],因为无参数
out = pool(input) #对数据进行池化 to_pil(out.data.squeeze(0)) #显示结果
图示:
除了卷积层和池化层,深度学习中还将常用到以下几个层:
- Linear:全连接层。
- BatchNorm:批规范化层,分为1D、2D和3D。除了标准的BatchNorm之外,还有在风格迁移中常用到的InstanceNorm层。
- Dropout:dropout层,用来防止过拟合,同样分为1D、2D和3D。 下面通过例子来说明它们的使用。
1)全连接层
#输入batch_size = 2,维度为3 input = t.randn(2,3) linear = nn.Linear(3,4) h = linear(input) h
返回:
tensor([[ 0.5406, -0.0327, 0.7291, 0.5262],[ 0.1471, -0.1924, 0.8960, 0.7801]], grad_fn=<AddmmBackward>)
2)批规范化,即归一化层
#4 channel,初始化标准差为4,均值为0 bn = nn.BatchNorm1d(4) #对小批量(mini-batch)的2d或3d输入进行批标准化(Batch Normalization)操作,即归一化 bn.weight.data = t.ones(4) * 4 bn.bias.data = t.zeros(4)bn_out = bn(h) #注意输出的均值和方差 #方差是标准差的平方,计算无偏方差分母会减1 #使用unbiased=False 分母不减1 bn_out.mean(0), bn_out.var(0, unbiased=False) #归一化后平均值为0,方差为标准单位方差
返回:
(tensor([0., 0., 0., 0.], grad_fn=<MeanBackward0>),tensor([15.9959, 15.9749, 15.9771, 15.9901], grad_fn=<VarBackward1>))
Batch归一化使用在z上,下面激活函数处的例子可见,对其进行卷积 -> batch归一化 -> 激活函数
3)dropout正则化层
#每个元素以0.5的概率舍弃,实现dropout正则化,消除过拟合问题 dropout = nn.Dropout(0.5) o = dropout(bn_out) o #有一半左右的数变成0
返回:
tensor([[ 0.0000, 7.9937, -7.9943, -7.9975],[-0.0000, -0.0000, 7.9943, 7.9975]], grad_fn=<MulBackward0>)
以上很多例子中都对module的属性直接操作,其大多数是可学习参数,一般会随着学习的进行而不断改变。实际使用中除非需要使用特殊的初始化,应尽量不要直接修改这些参数。
2.激活函数
1)ReLu
relu = nn.ReLU(inplace=True) input = t.randn(2,3) print(input) output = relu(input) print(output) #小于0的都被截断为0 #等价于input.clamp(min=0)
返回:
tensor([[ 1.2619, -0.9128, 0.6259],[-1.4834, 0.7297, -0.8562]]) tensor([[1.2619, 0.0000, 0.6259],[0.0000, 0.7297, 0.0000]])
ReLU函数有个inplace参数,如果设为True,它会把输出直接覆盖到输入中,这样可以节省内存/显存。之所以可以覆盖是因为在计算ReLU的反向传播时,只需根据输出就能够推算出反向传播的梯度。
但是只有少数的autograd操作支持inplace操作(如tensor.sigmoid_()),除非你明确地知道自己在做什么,否则一般不要使用inplace操作。
在以上的例子中,基本上都是将每一层的输出直接作为下一层的输入,这种网络称为前馈传播网络(feedforward neural network)。
⚠️
对于此类网络如果每次都写复杂的forward函数会有些麻烦,在此就有两种简化方式,ModuleList和Sequential。其中Sequential是一个特殊的module,它包含几个子Module,前向传播时会将输入一层接一层的传递下去。ModuleList也是一个特殊的module,可以包含几个子module,可以像用list一样使用它,但不能直接把输入传给ModuleList。下面举例说明。
1)Sequential
#Sequential的三种写法 #第一种 net1 = nn.Sequential() net1.add_module('conv', nn.Conv2d(3,3,3)) net1.add_module('batchnorm', nn.BatchNorm2d(3)) net1.add_module('activation_layer', nn.ReLU())#第二种 net2 = nn.Sequential(nn.Conv2d(3,3,3),nn.BatchNorm2d(3),nn.ReLU())#第三种 from collections import OrderedDict net3 = nn.Sequential(OrderedDict([('conv1', nn.Conv2d(3,3,3)),('bn1', nn.BatchNorm2d(3)),('relu1',nn.ReLU())])) print('net1:', net1) print('net2:', net2) print('net3:', net3)
返回:
net1: Sequential((conv): Conv2d(3, 3, kernel_size=(3, 3), stride=(1, 1))(batchnorm): BatchNorm2d(3, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)(activation_layer): ReLU() ) net2: Sequential((0): Conv2d(3, 3, kernel_size=(3, 3), stride=(1, 1))(1): BatchNorm2d(3, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)(2): ReLU() ) net3: Sequential((conv1): Conv2d(3, 3, kernel_size=(3, 3), stride=(1, 1))(bn1): BatchNorm2d(3, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)(relu1): ReLU() )
#可根据名字后序号取出子module net1.conv, net2[0], net3.conv1
返回:
(Conv2d(3, 3, kernel_size=(3, 3), stride=(1, 1)),Conv2d(3, 3, kernel_size=(3, 3), stride=(1, 1)),Conv2d(3, 3, kernel_size=(3, 3), stride=(1, 1)))
调用方式为:
input = t.rand(1,3,4,4) output1 = net1(input) output2 = net2(input) output3 = net3(input) output4 = net3.relu1(net1.batchnorm(net1.conv(input)))
2)ModuleList
modellist = nn.ModuleList([nn.Linear(3,4), nn.ReLU(), nn.Linear(4,2)]) input = t.randn(1,3) for model in modellist:input = model(input) print(input)
返回:
tensor([[-0.6547, 0.8027]], grad_fn=<AddmmBackward>)
# 下面会报错,因为modellist没有实现forward方法
output = modellist(input)
看到这里,读者可能会问,为何不直接使用Python中自带的list,而非要多此一举呢?这是因为ModuleList
是Module
的子类,当在Module
中使用它的时候,就能自动识别为子module。
下面举一个实现forward的例子进行说明:
class MyModule(nn.Module):def __init__(self):super(MyModule, self).__init__()self.list = [nn.Linear(3,4), nn.ReLU()]self.module_list = nn.ModuleList([nn.Conv2d(3,3,3), nn.ReLU()])def forward(self):pass model = MyModule() model
返回:
MyModule((module_list): ModuleList((0): Conv2d(3, 3, kernel_size=(3, 3), stride=(1, 1))(1): ReLU()) )
查看参数:
for name, param in model.named_parameters():print(name, param.size())
返回:
module_list.0.weight torch.Size([3, 3, 3, 3]) module_list.0.bias torch.Size([3])
可见,list中的子module并不能被主module所识别,而ModuleList中的子module能够被主module所识别。这意味着如果用list保存子module,将无法调整其参数,因其未加入到主module的参数中。
除ModuleList之外还有ParameterList,其是一个可以包含多个parameter的类list对象。在实际应用中,使用方式与ModuleList类似。
如果在构造函数__init__
中用到list、tuple、dict等对象时,一定要思考是否应该用ModuleList或ParameterList代替。
3.循环神经网络层(后面好好看看)
近些年随着深度学习和自然语言处理的结合加深,RNN的使用也越来越多,关于RNN的基础知识,推荐阅读colah的文章1入门。PyTorch中实现了如今最常用的三种RNN:RNN(vanilla RNN)、LSTM和GRU。此外还有对应的三种RNNCell。
RNN和RNNCell层的区别在于前者一次能够处理整个序列,而后者一次只处理序列中一个时间点的数据,前者封装更完备更易于使用,后者更具灵活性。实际上RNN层的一种后端实现方式就是调用RNNCell来实现的。
t.manual_seed(1000) # 输入:batch_size=3,序列长度都为2,序列中每个元素占4维 input = t.randn(2, 3, 4) # lstm输入向量4维,隐藏元3,1层 lstm = nn.LSTM(4, 3, 1) # 初始状态:1层,batch_size=3,3个隐藏元 h0 = t.randn(1, 3, 3) c0 = t.randn(1, 3, 3) out, hn = lstm(input, (h0, c0)) out
返回:
tensor([[[-0.3610, -0.1643, 0.1631],[-0.0613, -0.4937, -0.1642],[ 0.5080, -0.4175, 0.2502]],[[-0.0703, -0.0393, -0.0429],[ 0.2085, -0.3005, -0.2686],[ 0.1482, -0.4728, 0.1425]]], grad_fn=<StackBackward>)
t.manual_seed(1000) input = t.randn(2, 3, 4) # 一个LSTMCell对应的层数只能是一层 lstm = nn.LSTMCell(4, 3) hx = t.randn(3, 3) cx = t.randn(3, 3) out = [] for i_ in input:hx, cx=lstm(i_, (hx, cx))out.append(hx) t.stack(out)
返回:
tensor([[[-0.3610, -0.1643, 0.1631],[-0.0613, -0.4937, -0.1642],[ 0.5080, -0.4175, 0.2502]],[[-0.0703, -0.0393, -0.0429],[ 0.2085, -0.3005, -0.2686],[ 0.1482, -0.4728, 0.1425]]], grad_fn=<StackBackward>)
# 有4个词,每个词用5维的向量表示 embedding = nn.Embedding(4, 5) # 可以用预训练好的词向量初始化embedding embedding.weight.data = t.arange(0,20).view(4,5)
input = t.arange(3, 0, -1).long() output = embedding(input) output
返回:
tensor([[15, 16, 17, 18, 19],[10, 11, 12, 13, 14],[ 5, 6, 7, 8, 9]], grad_fn=<EmbeddingBackward>)
4.损失函数
这里以分类中最常用的交叉熵损失CrossEntropyloss为例说明:
#batch_size = 3,计算对应每个类别的分数(只有两个类别) score = t.randn(3,2) #三个样本分别属于1,0,1类,label必须是LongTensor label = t.Tensor([1,0,1]).long()#loss与普通的layer无差异 criterion = nn.CrossEntropyLoss() loss = criterion(score, label) loss #返回tensor(0.5944)
5.优化器
PyTorch将深度学习中常用的优化方法全部封装在torch.optim
中,其设计十分灵活,能够很方便的扩展成自定义的优化方法。
所有的优化方法都是继承基类optim.Optimizer
,并实现了自己的优化步骤。下面就以最基本的优化方法——随机梯度下降法(SGD)举例说明。这里需重点掌握:
- 优化方法的基本使用方法
- 如何对模型的不同部分设置不同的学习率
- 如何调整学习率
#首先定义一个LeNet网络 class Net(nn.Module):def __init__(self):super(Net, self).__init__()self.features = nn.Sequential(nn.Conv2d(3,6,5),nn.ReLU(),nn.MaxPool2d(2,2),nn.Conv2d(6,16,5),nn.ReLU(),nn.MaxPool2d(2,2))self.classifier = nn.Sequential( #全连接层nn.Linear(16*5*5, 120),nn.ReLU(),nn.Linear(120, 84),nn.ReLU(),nn.Linear(84, 10))def forward(self, x):x = self.features(x)x = x.view(-1,16*5*5) #将数据扁平化处理用传入全连接层x = self.classifier(x)return x net = Net()
from torch import optim optimizer = optim.SGD(params=net.parameters(), lr=1) optimizer.zero_grad() #梯度清零,等价于net.zero_grad()input = t.randn(1,3,32,32) output = net(input) output.backward(output) #fake backward,后向传播,计算梯度optimizer.step() #执行优化
# 为不同子网络设置不同的学习率,在finetune中经常用到 # 如果对某个参数不指定学习率,就使用最外层的默认学习率 optimizer = optim.SGD([{'params' : net.features.parameters()}, #学习率为1e-5{'params' : net.classifier.parameters(), 'lr':1e-2}], lr=1e-5) optimizer
返回:
SGD ( Parameter Group 0dampening: 0lr: 1e-05momentum: 0nesterov: Falseweight_decay: 0Parameter Group 1dampening: 0lr: 0.01momentum: 0nesterov: Falseweight_decay: 0 )
# 只为两个全连接层设置较大的学习率,其余层的学习率较小 special_layers = nn.ModuleList([net.classifier[0], net.classifier[2]]) special_layers_params = list(map(id, special_layers.parameters())) base_params = filter(lambda p: id(p) not in special_layers_params, net.parameters())optimizer = t.optim.SGD([{'params': base_params},{'params': special_layers.parameters(), 'lr': 0.01}], lr=0.001 ) optimizer
返回:
SGD ( Parameter Group 0dampening: 0lr: 0.001momentum: 0nesterov: Falseweight_decay: 0Parameter Group 1dampening: 0lr: 0.01momentum: 0nesterov: Falseweight_decay: 0 )
对于如何调整学习率,主要有两种做法:
- 一种是更简单也是较为推荐的做法——新建优化器,由于optimizer十分轻量级,构建开销很小,故而可以构建新的optimizer。但是后者对于使用动量的优化器(如Adam),会丢失动量等状态信息,可能会造成损失函数的收敛出现震荡等情况。
- 一种是修改optimizer.param_groups中对应的学习率
1)新建优化器
#方法1:调整学习率,新建一个optimizer old_lr = 0.1 optimizer1 = optim.SGD([{'params': net.features.parameters()},{'params': net.classifier.parameters(), 'lr':old_lr *0.1} ], lr = 1e-5) optimizer1
返回:
SGD ( Parameter Group 0dampening: 0lr: 1e-05momentum: 0nesterov: Falseweight_decay: 0Parameter Group 1dampening: 0lr: 0.010000000000000002momentum: 0nesterov: Falseweight_decay: 0 )
2)调整学习率
#方法2:调整学习率,手动衰减,保存动量 for param_group in optimizer.param_groups:param_group['lr'] *= 0.1 optimizer
返回:
SGD ( Parameter Group 0dampening: 0lr: 0.0001momentum: 0nesterov: Falseweight_decay: 0Parameter Group 1dampening: 0lr: 0.001momentum: 0nesterov: Falseweight_decay: 0 )
3.nn.functional
nn中还有一个很常用的模块:nn.functional
,nn中的大多数layer,在functional
中都有一个与之相对应的函数。
nn.functional
中的函数和nn.Module
的主要区别在于:
- nn.Module实现的layers是一个特殊的类,都是由
class layer(nn.Module)
定义,会自动提取可学习的参数 nn.functional
中的函数更像是纯函数,由def function(input)
定义。
下面举例说明functional的使用,并指出二者的不同之处。
input = t.randn(2,3) model = nn.Linear(3,4) output1 = model(input) #使用上面使用的w,b,两种写法返回的结果是相同的 output2 = nn.functional.linear(input, model.weight, model.bias) output1 == output2
返回:
tensor([[1, 1, 1, 1],[1, 1, 1, 1]], dtype=torch.uint8)
b = nn.functional.relu(input) b2 = nn.ReLU()(input) b == b2
返回:
tensor([[1, 1, 1],[1, 1, 1]], dtype=torch.uint8)
此时读者可能会问,应该什么时候使用nn.Module,什么时候使用nn.functional呢?
答案很简单,如果模型有可学习的参数,最好用nn.Module,否则既可以使用nn.functional也可以使用nn.Module,二者在性能上没有太大差异,具体的使用取决于个人的喜好。
如激活函数(ReLU、sigmoid、tanh),池化(MaxPool)等层由于没有可学习参数,则可以使用对应的functional函数代替,而对于卷积、全连接等具有可学习参数的网络建议使用nn.Module。
下面举例说明,如何在模型中搭配使用nn.Module和nn.functional。
⚠️另外虽然dropout操作也没有可学习操作,但建议还是使用nn.Dropout
而不是nn.functional.dropout
,因为dropout在训练和测试两个阶段的行为有所差别,使用nn.Module
对象能够通过model.eval
操作加以区分。
from torch.nn import functional as F class Net(nn.Module):def __init__(self):super(Net, self).__init__()self.conv1 = nn.Conv2d(3,6,5)self.conv2 = nn.Conv2d(6,16,5)self.fc1 = nn.Linear(16*5*5, 120)self.fc2 = nn.Linear(120,84)self.fc3 = nn.Linear(84, 10)def forward(self,x):x = F.pool(F.relu(self.conv1(x)),2)x = F.pool(F.relu(self.conv2(x)),2)x = x.view(-1, 16*5*5)x = F.relu(self.fc1(x))x = F.relu(self.fc2(x)) x = self.fc3(x)return x
对于不具备可学习参数的层(激活层、池化层等),将它们用函数代替,这样则可以不用放置在构造函数__init__
中。对于有可学习参数的模块,也可以用functional来代替,只不过实现起来较为繁琐,需要手动定义参数parameter,如前面实现自定义的全连接层,就可将weight和bias两个参数单独拿出来,在构造函数中初始化为parameter。
class MyLinear(nn.Module):def __init__(self):super(MyLinear, self).__init__()self.weight = nn.Parameter(t.randn(3,4))self.bias = nn.Parameter(t.zeros(3))def forward(self):return F.linear(input, weight, bias)
4.初始化策略
在深度学习中参数的初始化十分重要,良好的初始化能让模型更快收敛,并达到更高水平,而糟糕的初始化则可能使得模型迅速瘫痪。
PyTorch中nn.Module的模块参数都采取了较为合理的初始化策略,因此一般不用我们考虑,当然我们也可以用自定义初始化去代替系统的默认初始化。而当我们在使用Parameter时,自定义初始化则尤为重要,因t.Tensor()返回的是内存中的随机数,很可能会有极大值,这在实际训练网络中会造成溢出或者梯度消失。
PyTorch中nn.init
模块就是专门为初始化而设计,如果某种初始化策略nn.init
不提供,用户也可以自己直接初始化。
使用的初始化策略是:
torch.nn.init.xavier_normal_(tensor, gain=1)
参数:
- tensor – n维的torch.Tensor
- gain - 可选的缩放因子
用一个正态分布生成值,填充输入的张量或变量。结果张量中的值采样自均值为0,标准差为gain * sqrt(2/(fan_in + fan_out))的正态分布。也被称为Glorot initialisation.
1)直接初始化:
#利用nn.init初始化 from torch.nn import init linear = nn.Linear(3,4)t.manual_seed(1) #等价于linear.weight.data.normal_(0, std),std是正态分布的标准差 init.xavier_normal_(linear.weight)
返回:
Parameter containing: tensor([[ 0.3535, 0.1427, 0.0330],[ 0.3321, -0.2416, -0.0888],[-0.8140, 0.2040, -0.5493],[-0.3010, -0.4769, -0.0311]], requires_grad=True)
2)手动初始化
#手动初始化 import math t.manual_seed(1)#xavier初始化的计算公式 std = math.sqrt(2)/math.sqrt(7.)#3+4 = 7 linear.weight.data.normal_(0, std)
返回:
tensor([[ 0.3535, 0.1427, 0.0330],[ 0.3321, -0.2416, -0.0888],[-0.8140, 0.2040, -0.5493],[-0.3010, -0.4769, -0.0311]])
#对模型的所有参数进行初始化 for name, params in net.named_parameters():if name.find('linear') != -1:#init linearparams[0] #weightparams[1] #biaselif name.find('conv') != -1:passelif name.find('norm') != -1:pass
5.nn.Module深入分析
如果想要更深入地理解nn.Module,究其原理是很有必要的。首先来看看nn.Module基类的构造函数:
其中每个属性的解释如下:
_parameters
:字典,保存用户直接设置的parameter,self.param1 = nn.Parameter(t.randn(3, 3))
会被检测到,在字典中加入一个key为'param',value为对应parameter的item。而self.submodule = nn.Linear(3, 4)中的parameter则不会存于此。_modules
:子module,通过self.submodel = nn.Linear(3, 4)
指定的子module会保存于此。_buffers
:缓存。如batchnorm使用momentum机制,每次前向传播需用到上一次前向传播的结果。_backward_hooks
与_forward_hooks
:钩子技术,用来提取中间变量,类似variable的hook。training
:BatchNorm与Dropout层在训练阶段和测试阶段中采取的策略不同,通过判断training值来决定前向传播策略。
上述几个属性中,_parameters
、_modules
和_buffers
这三个字典中的键值,都可以通过self.key
方式获得,效果等价于self._parameters['key']
.
下面举例说明:
1)定义网络:
class Net(nn.Module):def __init__(self):super(Net, self).__init__()#等价于self.register_parameter('param1', nn.Parameter(t.randn(3,3)))self.param1 = nn.Parameter(t.rand(3,3))self.submodel1 = nn.Linear(3,4)def forward(self, input):x = self.param1.mm(input)x = self.submodel1(x)return x net = Net() net
返回:
Net((submodel1): Linear(in_features=3, out_features=4, bias=True) )
2)
net._modules #查看设置的子模块
返回:
OrderedDict([('submodel1', Linear(in_features=3, out_features=4, bias=True))])
另一种查看子模块方法:
for name, submodel in net.named_modules():print(name, submodel)
返回:
Net((submodel1): Linear(in_features=3, out_features=4, bias=True) ) submodel1 Linear(in_features=3, out_features=4, bias=True)
nn.Module在实际使用中可能层层嵌套,一个module包含若干个子module,每一个子module又包含了更多的子module。
为方便用户访问各个子module,nn.Module实现了很多方法,如函数children
可以查看直接子module,函数module
可以查看所有的子module(包括当前module)。
与之相对应的还有函数named_childen
和named_modules
,其能够在返回module列表的同时返回它们的名字。
3)
net._parameters #查看网络中使用的参数
返回:
OrderedDict([('param1', Parameter containing:tensor([[0.3398, 0.5239, 0.7981],[0.7718, 0.0112, 0.8100],[0.6397, 0.9743, 0.8300]], requires_grad=True))])
另一种查看参数方法:
net.param1 #等价于net._parameters['param1']
返回:
Parameter containing: tensor([[0.3398, 0.5239, 0.7981],[0.7718, 0.0112, 0.8100],[0.6397, 0.9743, 0.8300]], requires_grad=True)
另一种查看参数方法,上面的方法没办法查看到层中使用的w,b参数,下面的方法可以查看w,b参数:
for name, param in net.named_parameters():print(name, param.size())
返回:
param1 torch.Size([3, 3]) submodel1.weight torch.Size([4, 3]) submodel1.bias torch.Size([4])
4)_buffers
bn = nn.BatchNorm1d(2) input = t.rand(3,2) output = bn(input) bn._buffers #上一次前向传播结果
返回:
OrderedDict([('running_mean', tensor([0.0514, 0.0749])),('running_var', tensor([0.9116, 0.9068])),('num_batches_tracked', tensor(1))])
5)training
input = t.arange(0, 12).float().view(3,4) model = nn.Dropout() #在训练阶段,会有一半的值被设置为0 model(input)
返回:
tensor([[ 0., 0., 4., 0.],[ 8., 0., 0., 14.],[ 0., 0., 0., 22.]])
#如果将training设置为False,那么dropout在测试阶段将什么都不做 model.training = False model(input)
返回:
tensor([[ 0., 1., 2., 3.],[ 4., 5., 6., 7.],[ 8., 9., 10., 11.]])
对于batchnorm、dropout、instancenorm等在训练和测试阶段行为差距巨大的层,如果在测试时不将其training值设为True,则可能会有很大影响,这在实际使用中要千万注意。
虽然可通过直接设置training
属性,来将子module设为train和eval模式,但这种方式较为繁琐,因如果一个模型具有多个dropout层,就需要为每个dropout层指定training属性。
更为推荐的做法是调用model.train()
函数,它会将当前module及其子module中的所有training属性都设为True,相应的,model.eval()
函数会把training属性都设为False。
print(net.training, net.submodel1.training)
net.eval()
net.training, net.submodel1.training
返回:
True True
(False, False)
6)register_forward_hook
/register_backward_hook:中间变量
这两个函数的功能类似于variable函数的register_hook
,可在module前向传播或反向传播时注册钩子。每次前向传播执行结束后会执行钩子函数(hook)。前向传播的钩子函数具有如下形式:hook(module, input, output) -> None
,而反向传播则具有如下形式:hook(module, grad_input, grad_output) -> Tensor or None
。
钩子函数不应修改输入和输出,并且在使用后应及时删除,以避免每次都运行钩子增加运行负载。钩子函数主要用在获取某些中间结果的情景,如中间某一层的输出或某一层的梯度。这些结果本应写在forward函数中,但如果在forward函数中专门加上这些处理,可能会使处理逻辑比较复杂,这时候使用钩子技术就更合适一些。
下面考虑一种场景,有一个预训练好的模型,需要提取模型的某一层(不是最后一层)的输出作为特征进行分类,但又不希望修改其原有的模型定义文件,这时就可以利用钩子函数。
下面给出实现的伪代码:
model = VGG() features = t.Tensor() def hook(module, input, output):'''把这层的输出拷贝到features中'''features.copy_(output.data)handle = model.layer8.register_forward_hook(hook) _ = model(input) # 用完hook后删除 handle.remove()
7)__getattr__
/ __setattr__
对象在构造函数中的行为看起来有些怪异,如果想要真正掌握其原理,就需要看两个魔法方法
nn.Module__getattr__
和__setattr__
。
在Python中有两个常用的buildin方法getattr
和setattr
,getattr(obj, 'attr1')
等价于obj.attr
,如果getattr
函数无法找到所需属性,Python会转而调用obj.__getattr__('attr1')
方法,即getattr
函数无法找到的交给__getattr__
函数处理,没有实现__getattr__
或者__getattr__
也无法处理的就会raise AttributeError。
setattr(obj, 'name', value)
等价于obj.name=value
,如果obj对象实现了__setattr__
方法,setattr会直接调用obj.__setattr__('name', value)
,否则调用buildin方法。
总结一下:
- result = obj.name会调用buildin函数
getattr(obj, 'name')
,如果该属性找不到,会调用obj.__getattr__('name')
- obj.name = value会调用buildin函数
setattr(obj, 'name', value)
,如果obj对象实现了__setattr__
方法,setattr
会直接调用obj.__setattr__('name', value')
nn.Module实现了自定义的__setattr__
函数,当执行module.name=value
时,会在__setattr__
中判断value是否为Parameter
或nn.Module
对象,如果是则将这些对象加到_parameters
和_modules
两个字典中,而如果是其它类型的对象,如Variable
、list
、dict
等,则调用默认的操作,将这个值保存在__dict__
中。
1》
module = nn.Module() #直接使用nn.Module()对象 module.param = nn.Parameter(t.ones(2,2)) #设置参数 module._parameters
返回:
OrderedDict([('param', Parameter containing:tensor([[1., 1.],[1., 1.]], requires_grad=True))])
2》
submodule1 = nn.Linear(2,2) submodule2 = nn.Linear(2,2) module_list = [submodule1, submodule2] #对于list对象,调用buildin函数,保存在__dict__中 module.submodules = module_list #设置module,因为这里使用的是list,所以会存放在__dict__ print('_modules:', module._modules) print("__dict__['submodules']:", module.__dict__.get('submodules'))
返回:
_modules: OrderedDict() __dict__['submodules']: [Linear(in_features=2, out_features=2, bias=True), Linear(in_features=2, out_features=2, bias=True)]
3》
module_list = nn.ModuleList(module_list)#将上面的list类型转成nn.Module对象类型 module.submodules = module_list #判断是否为nn.Module对象类型 print('ModuleList is instance of nn.Module: ', isinstance(module_list, nn.Module)) print('_modules: ', module._modules) #这样值就会存储在这里,而不是__dict__ print("__dict__['submodules']:", module.__dict__.get('submodules'))
返回:
ModuleList is instance of nn.Module: True _modules: OrderedDict([('submodules', ModuleList((0): Linear(in_features=2, out_features=2, bias=True)(1): Linear(in_features=2, out_features=2, bias=True) ))]) __dict__['submodules']: None
4》
因_modules
和_parameters
中的item未保存在__dict__
中,所以默认的getattr方法无法获取它,因而nn.Module
实现了自定义的__getattr__
方法,如果默认的getattr
无法处理,就调用自定义的__getattr__
方法,尝试从_modules
、_parameters
和_buffers
这三个字典中获取。
getattr(module, 'training')#等价于module.training #如果没有得到值,就会调用module.__getattr__('training')
返回:
True
module.attr1 = 2 getattr(module, 'attr1') #返回2
getattr(module, 'param')
返回:
Parameter containing: tensor([[1., 1.],[1., 1.]], requires_grad=True)
8)state_dict()/load_state_dict()
在PyTorch中保存模型十分简单,所有的Module对象都具有state_dict()函数,返回当前Module所有的状态数据。将这些状态数据保存后,下次使用模型时即可利用model.load_state_dict()
函数将状态加载进来。优化器(optimizer)也有类似的机制,不过一般并不需要保存优化器的运行状态
#保存模型 t.save(net.state_dict(), 'net.pth') #然后就会在本地文件夹中生成一个net.pth文件#加载已经保存的模型 net2 = Net() net2.load_state_dict(t.load('net.pth'))
9)运行在GPU
将Module放在GPU上运行也十分简单,只需两步:
- model = model.cuda():将模型的所有参数转存到GPU
- input.cuda():将输入数据也放置到GPU上
至于如何在多个GPU上并行计算,PyTorch也提供了两个函数,可实现简单高效的并行GPU计算
- nn.parallel.data_parallel(module, inputs, device_ids=None, output_device=None, dim=0, module_kwargs=None)
- class torch.nn.DataParallel(module, device_ids=None, output_device=None, dim=0)
可见二者的参数十分相似,通过device_ids
参数可以指定在哪些GPU上进行优化,output_device指定输出到哪个GPU上。
唯一的不同就在于前者直接利用多GPU并行计算得出结果,而后者则返回一个新的module,能够自动在多GPU上进行并行加速。
# method 1 new_net = nn.DataParallel(net, device_ids=[0, 1]) output = new_net(input)# method 2 output = nn.parallel.data_parallel(new_net, input, device_ids=[0, 1])
DataParallel并行的方式,是将输入一个batch的数据均分成多份,分别送到对应的GPU进行计算,各个GPU得到的梯度累加。与Module相关的所有数据也都会以浅复制的方式复制多份,在此需要注意,在module中属性应该是只读的。
6.nn和autograd的关系
nn.Module利用的也是autograd技术,其主要工作是实现前向传播。在forward函数中,nn.Module对输入的tensor进行的各种操作,本质上都是用到了autograd技术。这里需要对比autograd.Function和nn.Module之间的区别:
- autograd.Function利用了Tensor对autograd技术的扩展,为autograd实现了新的运算op,不仅要实现前向传播还要手动实现反向传播
- nn.Module利用了autograd技术,对nn的功能进行扩展,实现了深度学习中更多的层。只需实现前向传播功能,autograd即会自动实现反向传播
- nn.functional是一些autograd操作的集合,是经过封装的函数
作为两大类扩充PyTorch接口的方法,我们在实际使用中应该如何选择呢?
如果某一个操作,在autograd中尚未支持,那么只能实现Function接口对应的前向传播和反向传播。如果某些时候利用autograd接口比较复杂,则可以利用Function将多个操作聚合,实现优化,正如第三章所实现的Sigmoid
一样,比直接利用autograd低级别的操作要快。而如果只是想在深度学习中增加某一层,使用nn.Module进行封装则更为简单高效。
7.小试牛刀:搭建ResNet
Kaiming He的深度残差网络(ResNet)[^7]在深度学习的发展中起到了很重要的作用,ResNet不仅一举拿下了当年CV下多个比赛项目的冠军,更重要的是这一结构解决了训练极深网络时的梯度消失问题。
首先来看看ResNet的网络结构,这里选取的是ResNet的一个变种:ResNet34。
ResNet的网络结构如图4-2所示,可见除了最开始的卷积池化和最后的池化全连接之外,网络中有很多结构相似的单元,这些重复单元的共同点就是有个跨层直连的shortcut。ResNet中将一个跨层直连的单元称为Residual block,其结构如图4-3所示,左边部分是普通的卷积网络结构,右边是直连,但如果输入和输出的通道数不一致,或其步长不为1,那么就需要有一个专门的单元将二者转成一致,使其可以相加。
另外我们可以发现Residual block的大小也是有规律的,在最开始的pool之后有连续的几个一模一样的Residual block单元,这些单元的通道数一样,在这里我们将这几个拥有多个Residual block单元的结构称之为layer,注意和之前讲的layer区分开来,这里的layer是几个层的集合。
考虑到Residual block和layer出现了多次,我们可以把它们实现为一个子Module或函数。这里我们将Residual block实现为一个子moduke,而将layer实现为一个函数。下面是实现代码,规律总结如下:
- 对于模型中的重复部分,实现为子module或用函数生成相应的module
make_layer
- nn.Module和nn.Functional结合使用
- 尽量使用
nn.Seqential
[^7]: He K, Zhang X, Ren S, et al. Deep residual learning for image recognition[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2016: 770-778.
from torch import nn import torch as t from torch.nn import functional as F
定义网络:
class ResidualBlock(nn.Module):''' 实现子module: Residual Block''' def __init__(self, inchannel, outchannel, stride=1, shortcut=None):super(ResidualBlock, self).__init__()self.left = nn.Sequential(nn.Conv2d(inchannel,outchannel,3,stride, 1,bias=False),nn.BatchNorm2d(outchannel),nn.ReLU(inplace=True),nn.Conv2d(outchannel,outchannel,3,1,1,bias=False),nn.BatchNorm2d(outchannel) )self.right = shortcutdef forward(self, x):out = self.left(x)residual = x if self.right is None else self.right(x)out += residualreturn F.relu(out)class ResNet(nn.Module):''' 实现主module:ResNet34ResNet34 包含多个layer,每个layer又包含多个residual block用子module来实现residual block,用_make_layer函数来实现layer''' def __init__(self, num_classes=1000):super(ResNet, self).__init__()# 前几层图像转换self.pre = nn.Sequential(nn.Conv2d(3, 64, 7, 2, 3, bias=False),nn.BatchNorm2d(64),nn.ReLU(inplace=True),nn.MaxPool2d(3, 2, 1))# 重复的layer,分别有3,4,6,3个residual blockself.layer1 = self._make_layer( 64, 64, 3)self.layer2 = self._make_layer( 64, 128, 4, stride=2)self.layer3 = self._make_layer( 128, 256, 6, stride=2)self.layer4 = self._make_layer( 256, 512, 3, stride=2)#分类用的全连接self.fc = nn.Linear(512, num_classes)def _make_layer(self, inchannel, outchannel, block_num, stride=1):''' 构建layer,包含多个residual block''' shortcut = nn.Sequential(nn.Conv2d(inchannel,outchannel,1,stride, bias=False),nn.BatchNorm2d(outchannel))layers = []layers.append(ResidualBlock(inchannel, outchannel, stride, shortcut))for i in range(1, block_num):layers.append(ResidualBlock(outchannel, outchannel))return nn.Sequential(*layers)def forward(self, x):x = self.pre(x)x = self.layer1(x)x = self.layer2(x)x = self.layer3(x)x = self.layer4(x)x = F.avg_pool2d(x, 7)x = x.view(x.size(0), -1)return self.fc(x)
调用:
model = ResNet() input = t.randn(1, 3, 224, 224) o = model(input)
感兴趣的读者可以尝试实现Google的Inception网络结构或ResNet的其它变体,看看如何能够简洁明了地实现它,实现代码尽量控制在80行以内(本例去掉空行和注释总共不超过50行)。
另外,与PyTorch配套的图像工具包torchvision
已经实现了深度学习中大多数经典的模型,其中就包括ResNet34,读者可以通过下面两行代码使用:
from torchvision import models model = models.resnet34()
本例中ResNet34的实现就是参考了torchvision中的实现并做了简化,感兴趣的读者可以阅读相应的源码,比较这里的实现和torchvision中实现的不同。