十四、神经网络工具箱nn
使用autograd可实现深度学习模型,但其抽象程度较低,如果用其来实现深度学习模型,则需要编写的代码量极大。在这种情况下,torch.nn应运而生,其是专门为深度学习而设计的模块。torch.nn的核心数据结构是Module
,它是一个抽象概念,既可以表示神经网络中的某个层(layer),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
,撰写自己的网络/层。
下面先来看看如何用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是可学习的参数。
import torch as t from torch import nn # 定义一个继承自nn.Module的线性层类Linear class Linear(nn.Module): # 初始化函数,定义输入和输出特征维度 def __init__(self, in_features, out_features): # 调用父类nn.Module的初始化方法 super(Linear, self).__init__() # 创建可学习的权重参数w,形状为[in_features, out_features] self.w = nn.Parameter(t.randn(in_features, out_features)) # 创建可学习的偏置参数b,形状为[out_features] self.b = nn.Parameter(t.randn(out_features)) # 定义前向传播函数 def forward(self, x): # 使用矩阵乘法计算输入x和权重w的乘积,输出形状为[batch_size, out_features] x = x.mm(self.w) # 将偏置b扩展到与x相同的形状,并将其加到结果上 return x + self.b.expand_as(x) # 实例化Linear类,指定输入特征维度为4,输出特征维度为3 layer = Linear(4, 3) # 创建一个形状为[2, 4]的随机输入张量,代表2个样本,每个样本有4个特征 input = t.randn(2, 4) # 将输入张量传入线性层,得到输出结果 output = layer(input) print(output) # 遍历并打印线性层中的参数名称和对应的张量 for name, parameter in layer.named_parameters(): print(name, parameter) tensor([[ 1.3758, -0.3045, -2.7855], [ 2.0449, 2.1037, -3.9691]], grad_fn=<AddBackward0>) w Parameter containing: tensor([[-0.7288, 0.9462, 0.1709], [-0.5582, -0.1212, 1.1237], [-0.4097, -0.2673, -0.9135], [-0.0122, 2.1431, -0.0641]], requires_grad=True) b Parameter containing: tensor([ 0.9055, -0.0583, -1.6974], requires_grad=True)
全连接层的实现比较简单,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Tensor
,但其默认需要求导(requires_grad = True) forward
函数实现前向传播过程,其输入可以是一个或多个tensor。- 无需写反向传播函数,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)
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。
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。
层感知机的网络结构如下图所示,它由两个全连接层组成,采用sigmoid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): nn.Module.__init__(self) # 定义第一层,输入特征数为 in_features,隐藏层特征数为 hidden_features self.layer1 = Linear(in_features, hidden_features) # 定义第二层,输入特征数为 hidden_features,输出特征数为 out_features self.layer2 = Linear(hidden_features, out_features) # 定义前向传播函数 forward def forward(self, x): # 首先将输入 x 传入第一层,得到隐层输出 x = self.layer1(x) # 对隐层输出应用 sigmoid 激活函数 x = t.sigmoid(x) # 将激活后的输出传入第二层,得到最终输出 return self.layer2(x) # 创建感知器实例,输入特征数为3,隐藏层特征数为4,输出特征数为1 Perceptron = Perceptron(3, 4, 1) # 打印感知器中的参数名称和对应的值 for name, param in Perceptron.named_parameters(): print(name, param) layer1.w Parameter containing: tensor([[-0.0791, -1.0982, 1.1377, 1.1678], [ 0.3987, -1.3077, -1.0768, 0.1234], [ 0.3717, -1.4077, -0.2922, 0.5084]], requires_grad=True) layer1.b Parameter containing: tensor([0.3347, 0.5307, 1.2622, 1.9496], requires_grad=True) layer2.w Parameter containing: tensor([[ 0.5427], [-0.9131], [ 0.0052], [-1.5111]], requires_grad=True) layer2.b Parameter containing: tensor([-0.9579], requires_grad=True)
可见,即使是稍复杂的多层感知机,其实现依旧很简单。 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。
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
。
在查阅函数使用文档时,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、可学习参数和子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。输入只有一个数据,则必须调用tensor.unsqueeze(0)
或 tensor[None]
将数据伪装成batch_size=1的batch。
1.1 常用神经网络层
1.1.1 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 # Python Imaging Library,用于图像处理 from torchvision.transforms import ToTensor, ToPILImage # 转换工具,从图像到张量,和从张量到图像的转换 import torch as t from torch import nn # 引入PyTorch的神经网络模块 # 创建图像到张量的转换器 to_tensor = ToTensor() # 将图像转换为张量,范围为[0, 1] # 创建张量到图像的转换器 to_pil = ToPILImage() # 将张量转换回图像 # 打开一幅名为 'lena.png' 的图像 lena = Image.open('imgs/lena.png')
# 将图像转换为张量,并增加一个维度以形成一个批次,batch_size = 1 input = to_tensor(lena).unsqueeze(0) # input 形状为 [1, C, H, W],C 为通道数,H 为高度,W 为宽度 # 定义锐化卷积核,卷积核用于增强图像的边缘 # 创建一个 3x3 的张量,初始值为 -1/9,其他值为 1 kernel = t.ones(3, 3) / -9.0 # 所有元素为 -1/9 kernel[1][1] = 1 # 中间的元素设为 1,形成锐化效果 # 创建一个卷积层,输入通道数和输出通道数都为 1,卷积核的大小为 (3, 3),步幅为 1 conv = nn.Conv2d(1, 1, (3, 3), stride=1, bias=False) # 将定义好的卷积核赋值给卷积层的权重 conv.weight.data = kernel.view(1, 1, 3, 3) # kernel 需要调整形状为 [out_channels, in_channels, height, width] # 对输入张量进行卷积运算,得到输出 out = conv(input) # 将卷积输出张量转换回图像,并去掉批次维度 # out.data.squeeze(0) 将输出的形状从 [1, 1, H, W] 转换为 [1, H, W] output_image = to_pil(out.data.squeeze(0)) # 转换为 PIL 图像
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。
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。
# 输入 batch_size=2,维度3 input = t.randn(2, 3) linear = nn.Linear(3, 4) h = linear(input) h ## tensor([[ 0.6993, -1.1460, 0.5710, -0.2496], ## [-0.1921, 0.8154, -0.3038, 0.1873]]) # 4 channel,初始化标准差为4,均值为0 bn = nn.BatchNorm1d(4) 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) ## (tensor(1.00000e-07 * ## [ 1.1921, 0.0000, 0.0000, 0.0000]), ## tensor([ 15.9992, 15.9998, 15.9992, 15.9966])) # 每个元素以0.5的概率舍弃 dropout = nn.Dropout(0.5) o = dropout(bn_out) o # 有一半左右的数变为0 ## tensor([[ 7.9998, -8.0000, 0.0000, -7.9992], ## [-0.0000, 8.0000, -7.9998, 7.9992]])
1.1.2 激活函数
PyTorch实现了常见的激活函数,其具体的接口信息可参见官方文档,这些激活函数可作为独立的layer使用。这里将介绍最常用的激活函数ReLU,其数学表达式为:
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)
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。
import torch.nn as nn from collections import OrderedDict # net1 使用 nn.Sequential() 和 add_module 方法逐步添加模块 net1 = nn.Sequential() # 添加卷积层 'conv' # Conv2d 参数含义:输入通道数(3),输出通道数(3),卷积核大小(3x3) net1.add_module('conv', nn.Conv2d(3, 3, 3)) # 添加批归一化层 'batchnorm' # BatchNorm2d 参数含义:需要归一化的通道数为 3 net1.add_module('batchnorm', nn.BatchNorm2d(3)) # 添加激活函数 ReLU 'activation_layer' # ReLU 是一种常用的激活函数,将负值置为 0,保持正值不变 net1.add_module('activation_layer', nn.ReLU()) # net2 使用 nn.Sequential 直接传递模块的顺序列表 # 其中包含卷积层、批归一化层和 ReLU 激活函数 net2 = nn.Sequential( nn.Conv2d(3, 3, 3), # 卷积层:输入通道 3,输出通道 3,卷积核 3x3 nn.BatchNorm2d(3), # 批归一化:通道数为 3 nn.ReLU() # ReLU 激活函数 ) # net3 使用 OrderedDict 明确命名每个层,利用 nn.Sequential 构建模型 # OrderedDict 保证了字典中键值对的顺序 net3 = nn.Sequential(OrderedDict([ ('conv1', nn.Conv2d(3, 3, 3)), # 卷积层:命名为 conv1,输入通道 3,输出通道 3,卷积核 3x3 ('bn1', nn.BatchNorm2d(3)), # 批归一化层:命名为 bn1,通道数为 3 ('relu1', nn.ReLU()) # ReLU 激活函数:命名为 relu1 ])) # 打印出 net1, net2 和 net3 的结构 print('net1:', net1) print('net2:', net2) print('net3:', net3) ## 输出结果 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() ) # 可根据名字或序号取出子module net1.conv, net2[0], net3.conv1 (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)))
import torch as t import torch.nn as nn # 其中 1 是批量大小 (batch size),3 是通道数 (channels),4x4 是特征图大小 (height x width) input = t.rand(1, 3, 4, 4) output = net1(input) output = net2(input) output = net3(input) output = net3.relu1(net1.batchnorm(net1.conv(input))) # 创建一个 nn.ModuleList,其中包含两个线性层和一个 ReLU 激活函数 modellist = nn.ModuleList([nn.Linear(3, 4), nn.ReLU(), nn.Linear(4, 2)]) # 创建一个形状为 (1, 3) 的随机输入张量 input = t.randn(1, 3) # 通过遍历 modellist,将 input 依次通过每个层,手动向前传播 for model in modellist: input = model(input) # 下面会报错,因为 modellist 没有实现 forward 方法 output = modellist(input)
需要注意的是,nn.ModuleList
是 PyTorch 中的一个容器,用来保存子模块的列表。你可以将多个模型层按顺序存储在 ModuleList
中,但它 自动不会实现 forward()
方法,可以向上述代码一样,手动遍历 modellist
来进行前向传播。
1.1.3 损失函数
在深度学习中要用到各种各样的损失函数(loss function),这些损失函数可看作是一种特殊的layer,PyTorch也将这些损失函数实现为nn.Module
的子类。然而在实际使用中通常将这些loss function专门提取出来,和主模型互相独立。下面以分类中最常用的交叉熵损失CrossEntropyloss为例说明。
import torch as t import torch.nn as nn # 创建一个形状为 (3, 2) 的张量,表示 3 个样本,每个样本有 2 个类别的分数 score = t.randn(3, 2) # 随机生成的分数 (logits),每个样本两个类别 # 定义每个样本的真实标签 # 第一个样本属于类别 1,第二个样本属于类别 0,第三个样本属于类别 1 # 标签必须是 LongTensor 类型,因为 PyTorch 的 CrossEntropyLoss 要求标签类型为 long label = t.Tensor([1, 0, 1]).long() # 然后用真实的标签与预测的概率进行对比,计算损失 criterion = nn.CrossEntropyLoss() # 计算损失,传入的参数是预测的分数 (logits) 和真实标签 # 这里 score 是模型的输出 (logits),label 是真实标签 loss = criterion(score, label)
1.2 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
import torch.nn as nn # 定义一个名为 Net 的神经网络类,继承自 nn.Module class Net(nn.Module): # 初始化方法,定义网络结构 def __init__(self): super(Net, self).__init__() # 调用父类 nn.Module 的构造函数 # 定义特征提取部分 (卷积层和池化层) self.features = nn.Sequential( nn.Conv2d(3, 6, 5), # 第一个卷积层,输入通道为3 (RGB图像),输出通道为6,卷积核大小为5x5 nn.ReLU(), # ReLU 激活函数 nn.MaxPool2d(2, 2), # 第一个最大池化层,池化窗口大小为2x2,步长为2 nn.Conv2d(6, 16, 5), # 第二个卷积层,输入通道为6,输出通道为16,卷积核大小为5x5 nn.ReLU(), # ReLU 激活函数 nn.MaxPool2d(2, 2) # 第二个最大池化层,池化窗口大小为2x2,步长为2 ) # 定义分类器部分 (全连接层) self.classifier = nn.Sequential( nn.Linear(16 * 5 * 5, 120), # 第一个全连接层,将16*5*5的张量转为120维的向量 nn.ReLU(), # ReLU 激活函数 nn.Linear(120, 84), # 第二个全连接层,将120维向量转为84维 nn.ReLU(), # ReLU 激活函数 nn.Linear(84, 10) # 第三个全连接层,将84维向量转为10维(输出为10个类别) ) # 定义前向传播函数,描述数据如何通过网络 def forward(self, x): x = self.features(x) # 输入先经过特征提取部分 (卷积 + 池化) # 将四维的特征图展平为二维张量,用于输入全连接层 # .view() 方法用于改变张量的形状,-1 表示自动推断这个维度的大小 x = x.view(-1, 16 * 5 * 5) # 将特征图展平为 (batch_size, 16*5*5) 的大小 x = self.classifier(x) # 然后输入到分类器部分 (全连接层) return x # 返回分类结果 # 实例化一个 Net 类,创建网络 net = Net()
from torch import optim import torch as t # params=net.parameters() 将网络的所有参数传递给优化器 # lr=1 是学习率,控制每次参数更新的步长 optimizer = optim.SGD(params=net.parameters(), lr=1) # 在每次进行反向传播之前,需要将梯度清零 # PyTorch 中的梯度是累加的,因此在执行反向传播之前调用 zero_grad() 清除上一次的梯度 optimizer.zero_grad() # 等价于 net.zero_grad(),将网络中所有参数的梯度置为0 # 创建一个形状为 (1, 3, 32, 32) 的随机输入张量,表示1个样本,3个通道,大小为32x32的图像 input = t.randn(1, 3, 32, 32) # 通过网络前向传播,得到输出 output = net(input) # 进行反向传播计算梯度 # output.backward(output) 是一种伪造的反向传播,通常 output 是损失函数的值 output.backward(output) # loss = criterion(output, target) # 计算损失 # loss.backward() # 反向传播计算梯度 # 执行优化步骤,更新网络参数 # optimizer.step() 会根据计算出的梯度和设置的学习率更新网络的参数 optimizer.step()
# 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 ## 输出结果 SGD ( Parameter Group 0 dampening: 0 lr: 1e-05 momentum: 0 nesterov: False weight_decay: 0 Parameter Group 1 dampening: 0 lr: 0.01 momentum: 0 nesterov: False weight_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[3]]) # 用map获取这两个特定层的参数 ID,以便后续操作中进行区分 special_layers_params = list(map(id, special_layers.parameters())) # 用filter过滤获取模型中除特殊层外的其他层的参数 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 ## 输出结果 SGD ( Parameter Group 0 dampening: 0 lr: 0.001 momentum: 0 nesterov: False weight_decay: 0 Parameter Group 1 dampening: 0 lr: 0.01 momentum: 0 nesterov: False weight_decay: 0 )
对于如何调整学习率,主要有两种做法。一种是修改optimizer.param_groups中对应的学习率,另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。
# 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) # 方法2: 调整学习率, 手动decay, 保存动量 for param_group in optimizer.param_groups: param_group['lr'] *= 0.1 # 学习率为之前的0.1倍 # 假设你想将第二组参数(即 special_layers 的参数)的学习率调整为之前的 0.1 倍 for i, param_group in enumerate(optimizer.param_groups): if i == 1: # 假设我们要调整第二组参数的学习率 param_group['lr'] *= 0.1 # 将第二组参数的学习率调整为之前的 0.1 倍
1.3 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,用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。而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) output2 = nn.functional.linear(input, model.weight, model.bias) output1 == output2 b = nn.functional.relu(input) # 使用ReLU的另一种调用方式 b2 = nn.ReLU()(input) b == b2
当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。
1.4 初始化策略
在深度学习中参数的初始化十分重要,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。
# 利用nn.init初始化 from torch.nn import init # 定义一个线性层,输入特征数为 3,输出特征数为 4 linear = nn.Linear(3, 4) # 设置随机种子,以确保每次运行代码时产生相同的随机数 t.manual_seed(1) # 等价于 linear.weight.data.normal_(0, std) # 使用 Xavier 正态分布初始化线性层的权重,根据输入和输出的特征数量自动设置权重的标准差 init.xavier_normal_(linear.weight) # # 初始化权重 # 直接初始化 import math t.manual_seed(1) # xavier初始化的计算公式 std = math.sqrt(2)/math.sqrt(7.) linear.weight.data.normal_(0,std)
# 遍历模型 net 的所有参数,包括参数名称和参数本身 for name, params in net.named_parameters(): # 检查参数名称中是否包含 'linear',如果是,则进行线性层的初始化 if name.find('linear') != -1: # init linear # params[0] 表示线性层的权重(weight) # 可以在这里添加权重的初始化方法,例如 Xavier 或 He 初始化 # 例如: init.xavier_normal_(params[0]) weight = params[0] # 获取权重参数 # params[1] 表示线性层的偏置(bias) # 可以在这里对偏置进行初始化,例如将偏置设置为零 # 例如: nn.init.zeros_(params[1]) bias = params[1] # 获取偏置参数 # 检查参数名称中是否包含 'conv',如果是,则可以进行卷积层的初始化 elif name.find('conv') != -1: # 在这里添加卷积层的初始化方法 # 例如: init.kaiming_normal_(params[0]) # 对卷积层的权重进行 Kaiming 初始化 pass # 检查参数名称中是否包含 'norm',如果是,则可以进行归一化层的初始化 elif name.find('norm') != -1: # 在这里添加归一化层的初始化方法 # 例如: params[0].data.fill_(1) # 设置归一化层的权重为1 # params[1].data.fill_(0) # 设置归一化层的偏置为0 pass
1.5 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:
def __init__(self): self._parameters = OrderedDict() self._modules = OrderedDict() self._buffers = OrderedDict() self._backward_hooks = OrderedDict() self._forward_hooks = OrderedDict() self.training = True
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。
import torch as t import torch.nn as nn # 定义自定义神经网络类Net,继承自nn.Module class Net(nn.Module): def __init__(self): super(Net, self).__init__() # 使用nn.Parameter定义一个3x3的参数矩阵param1 # 这个参数矩阵将在反向传播中进行训练 # 等价于self.register_parameter('param1', nn.Parameter(t.rand(3, 3))) self.param1 = nn.Parameter(t.rand(3, 3)) # 定义一个线性层submodel1,输入维度为3,输出维度为4 # 该层也包含可训练的权重和偏置 self.submodel1 = nn.Linear(3, 4) # 定义前向传播过程 def forward(self, input): # 使用矩阵乘法将param1与输入input相乘,生成中间结果x # param1为3x3矩阵,因此input的维度需要满足乘法规则 x = self.param1.mm(input) # 将中间结果x输入到submodel1线性层中 # submodel1会对x进行线性变换,输出4维结果 x = self.submodel1(x) # 返回最终的前向传播结果 return x # 实例化Net模型 net = Net() net # 查看模型结构 Net( (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,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。
# t.arange(0, 12):生成一个从 0 到 11(不包括 12)的张量,.view(3, 4):将张量的形状变为 (3, 4), input = t.arange(0, 12).view(3, 4) model = nn.Dropout() # 在训练阶段,会有一半左右的数被随机置为0 model(input) # 结果如下 tensor([[ 0., 2., 0., 0.], [ 8., 0., 12., 14.], [ 16., 0., 0., 22.]]) model.training = False # 在测试阶段,dropout什么都不做 model(input)
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,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,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。
register_forward_hook
与register_backward_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
。需要注意钩子函数使用后应及时删除,以避免每次都运行钩子增加运行负载。
model = VGG() # 创建一个空的 Tensor,用于存储钩子函数捕获的输出数据 features = t.Tensor() def hook(module, input, output): '''把这层的输出拷贝到features中''' features.copy_(output.data) # 将钩子函数 `hook` 注册到 `model.layer8`(VGG 网络的第 8 层),每当该层执行前向传播时,钩子函数 `hook` 会自动执行。 handle = model.layer8.register_forward_hook(hook) _ = model(input) # 用完hook后删除 handle.remove()
在 PyTorch 的 nn.Module
中,__getattr__
和 __setattr__
经常用于自定义属性访问和赋值的行为。getattr(obj, 'attr1')
等价于obj.attr
,setattr(obj, 'name', value)
等价于obj.name=value
,总结一下就是:
- 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。
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') # 加载已保存的模型 net2 = Net() net2.load_state_dict(t.load('net.pth'))
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])
1.6 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。
1.7 搭建ResNet
深度残差网络(ResNet)在深度学习的发展中起到了很重要的作用,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的网络结构如下图所示,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(残差块),其结构如下图所示,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
from torch import nn import torch as t from torch.nn import functional as F class ResidualBlock(nn.Module): """ 实现子模块:残差块(Residual Block) 每个残差块包含两个卷积层和一个可选的捷径连接(shortcut)。 """ def __init__(self, in_channels, out_channels, stride=1, shortcut=None): # 调用父类构造函数,初始化基础属性 super(ResidualBlock, self).__init__() # 定义残差块的左分支(即普通卷积分支) # 左分支的第一个卷积层:卷积核大小为3x3,步幅由参数`stride`指定,`padding`=1使输出大小不变,禁用偏置(bias) self.left = nn.Sequential( nn.Conv2d(in_channels, out_channels, 3, stride=stride, padding=1, bias=False), nn.BatchNorm2d(out_channels), # BN层标准化输出 nn.ReLU(inplace=True), # 使用ReLU激活函数进行非线性变换 nn.Conv2d(out_channels, out_channels, 3, stride=1, padding=0, bias=False), # 第二层卷积,步幅固定为1,输出维度保持不变 nn.BatchNorm2d(out_channels) # BN层标准化输出 ) # 右分支:捷径连接,用于在输入维度和输出维度不一致时调整维度(即残差映射) # 如果维度匹配,不需要捷径连接(shortcut=None),否则提供一个卷积层调整维度 self.right = shortcut def forward(self, x): # 计算左分支的输出 out = self.left(x) # 计算右分支的输出:如果没有捷径连接,则使用原始输入 x,否则通过捷径连接映射得到 residual residual = x if self.right is None else self.right(x) # 左分支和右分支输出相加(残差连接) out += residual # 将结果通过 ReLU 激活函数返回 return F.relu(out) class ResNet(nn.Module): """ 实现主模块:ResNet34 ResNet34 包含多个 layer,每个 layer 又包含多个 residual block。 """ def __init__(self, num_classes=1000): # 调用父类构造函数,初始化基础属性 super(ResNet, self).__init__() # 前几层图像转换层(图像预处理) # 输入 3 通道(RGB图像),输出 64 通道,卷积核大小为 7x7,步幅为 2,`padding` 为 3 使得输出大小与输入相近 self.pre = nn.Sequential( nn.Conv2d(3, 64, 7, 2, 3, bias=False), nn.BatchNorm2d(64), # BN层标准化输出 nn.ReLU(inplace=True), # ReLU 激活 nn.MaxPool2d(3, 2, 1) # 3x3 最大池化层,步幅为 2,`padding` 为 1 使输出大小减半 ) # 构建 ResNet34 的 4 个 layer,每个 layer 包含不同数量的 Residual Block # 第一个 layer 包含 3 个残差块,输入通道为 64,输出通道为 64,步幅为 1(大小不变) self.layer1 = self._make_layer(64, 64, 3) # 第二个 layer 包含 4 个残差块,输入通道为 64,输出通道为 128,步幅为 2(大小减半) self.layer2 = self._make_layer(64, 128, 4, stride=2) # 第三个 layer 包含 6 个残差块,输入通道为 128,输出通道为 256,步幅为 2(大小减半) self.layer3 = self._make_layer(128, 256, 6, stride=2) # 第四个 layer 包含 3 个残差块,输入通道为 256,输出通道为 512,步幅为 2(大小减半) self.layer4 = self._make_layer(256, 512, 3, stride=2) # 分类用的全连接层,将最后输出映射到类别数量(num_classes) 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。 :param inchannel: 输入通道数 :param outchannel: 输出通道数 :param block_num: 残差块数量 :param stride: 步幅 """ # 捷径连接,用于调整第一个残差块的输入尺寸和输出尺寸 # 使用 1x1 卷积,将输入通道数从 inchannel 转换为 outchannel,步幅为 stride shortcut = nn.Sequential( nn.Conv2d(inchannel, outchannel, 1, stride, bias=False), nn.BatchNorm2d(outchannel) ) layers = [] # 构建第一个 Residual Block,使用捷径连接 layers.append(ResidualBlock(inchannel, outchannel, stride, shortcut)) # 构建后续的 Residual Block,不需要捷径连接,输入和输出通道一致 for i in range(1, block_num): layers.append(ResidualBlock(outchannel, outchannel)) # 将所有 Residual Block 封装成 nn.Sequential 以方便调用 return nn.Sequential(*layers) def forward(self, x): # 前几层的图像转换操作 x = self.pre(x) # 依次通过 4 个 layer,每个 layer 包含多个残差块 x = self.layer1(x) x = self.layer2(x) x = self.layer3(x) x = self.layer4(x) # 通过全局平均池化,将输出大小缩小到 1x1(相当于对每个通道的空间位置求平均) x = F.avg_pool2d(x, 7) # 将池化后的张量展平成一维向量,准备输入全连接层 x = x.view(x.size(0), -1) # 通过全连接层,将特征映射为类别数量的输出 return self.fc(x) # 实例化 ResNet 模型 model = ResNet() # 生成一个随机输入张量(batch size=1,3 通道,224x224),模拟输入图片 input = t.randn(1, 3, 224, 224) # 通过模型前向传播获得输出 o = model(input)
· Blazor Hybrid适配到HarmonyOS系统
· Obsidian + DeepSeek:免费 AI 助力你的知识管理,让你的笔记飞起来!
· 解决跨域问题的这6种方案,真香!
· 一套基于 Material Design 规范实现的 Blazor 和 Razor 通用组件库
· 数据并发安全校验处理工具类