使用Pytorch搭建模型

　　本来是只用Tenorflow的，但是因为TF有些Numpy特性并不支持，比如对数组使用列表进行切片，所以只能转战Pytorch了（pytorch是支持的）。还好Pytorch比较容易上手，几乎完美复制了Numpy的特性（但还有一些特性不支持），怪不得热度上升得这么快。

模型定义

　　和TF很像，Pytorch也通过继承父类来搭建自定义模型，同样也是实现两个方法。在TF中是__init__()和call()，在Pytorch中则是__init__()和forward()。功能类似，都分别是初始化模型内部结构和进行推理。其它功能比如计算loss和训练函数，你也可以继承在里面，当然这是可选的。下面搭建一个判别MNIST手写字的Demo，首先给出模型代码：

import numpy as np
import matplotlib.pyplot as plt 
import torch 
from torch import nn,optim 
from torchsummary import summary  
from keras.datasets import mnist
from keras.utils import to_categorical
device = torch.device('cuda')  #——————1——————
  
class ModelTest(nn.Module):
  def __init__(self,device):
    super().__init__() 
    self.layer1 = nn.Sequential(nn.Flatten(),nn.Linear(28*28,512),nn.ReLU())#——————2——————
    self.layer2 = nn.Sequential(nn.Linear(512,512),nn.ReLU()) 
    self.layer3 = nn.Sequential(nn.Linear(512,512),nn.ReLU())
    self.layer4 = nn.Sequential(nn.Linear(512,10),nn.Softmax())  

    self.to(device) #——————3——————
    self.opt = optim.SGD(self.parameters(),lr=0.01)#——————4——————
  def forward(self,inputs): #——————5——————
    x = self.layer1(inputs)
    x = self.layer2(x)
    x = self.layer3(x)
    x = self.layer4(x)
    return x 
  def get_loss(self,true_labels,predicts):  
    loss = -true_labels * torch.log(predicts)  #——————6——————
    loss = torch.mean(loss)
    return loss
  def train(self,imgs,labels): 
    predicts = model(imgs) 
    loss = self.get_loss(labels,predicts)
    self.opt.zero_grad()#——————7——————
    loss.backward()#——————8——————
    self.opt.step()#——————9——————
model = ModelTest(device)
summary(model,(1,28,28),3,device='cuda')  #——————10——————

　　#1：获取设备，以方便后面的模型与变量进行内存迁移，设备名只有两种：'cuda'和'cpu'。通常是在你有GPU的情况下需要这样显式进行设备的设置，从而在需要时，你可以将变量从主存迁移到显存中。如果没有GPU，不获取也没事，pytorch会默认将参数都保存在主存中。

　　#2：模型中层的定义，可以使用Sequential将想要统一管理的层集中表示为一层。

　　#3：在初始化中将模型参数迁移到GPU显存中，加速运算，当然你也可以在需要时在外部执行model.to(device)进行迁移。

　　#4：定义模型的优化器，和TF不同，pytorch需要在定义时就将需要梯度下降的参数传入，也就是其中的self.parameters()，表示当前模型的所有参数。实际上你不用担心定义优化器和模型参数的顺序问题，因为self.parameters()的输出并不是模型参数的实例，而是整个模型参数对象的指针，所以即使你在定义优化器之后又定义了一个层，它依然能优化到。当然优化器你也可以在外部定义，传入model.parameters()即可。这里定义了一个随机梯度下降。

　　#5：模型的前向传播，和TF的call()类似，定义好model()所执行的就是这个函数。

　　#6：我将获取loss的函数集成在了模型中，这里计算的是真实标签和预测标签之间的交叉熵。

　　#7/8/9：在TF中，参数梯度是保存在梯度带中的，而在pytorch中，参数梯度是各自集成在对应的参数中的，可以使用tensor.grad来查看。每次对loss执行backward()，pytorch都会将参与loss计算的所有可训练参数关于loss的梯度叠加进去（直接相加）。所以如果我们没有叠加梯度的意愿的话，那就要在backward()之前先把之前的梯度删除。又因为我们前面已经把待训练的参数都传入了优化器，所以，对优化器使用zero_grad()，就能把所有待训练参数中已存在的梯度都清零。那么梯度叠加什么时候用到呢？比如批量梯度下降，当内存不够直接计算整个批量的梯度时，我们只能将批量分成一部分一部分来计算，每算一个部分得到loss就backward()一次，从而得到整个批量的梯度。梯度计算好后，再执行优化器的step()，优化器根据可训练参数的梯度对其执行一步优化。

　　#10：使用torchsummary函数显示模型结构。奇怪为什么不把这个继承在torch里面，要重新安装一个torchsummary库。

训练及可视化

　　接下来使用模型进行训练，因为pytorch自带的MNIST数据集并不好用，所以我使用的是Keras自带的，定义了一个获取数据的生成器。下面是完整的训练及绘图代码（50次迭代记录一次准确率）：

import numpy as np
import matplotlib.pyplot as plt 
import torch 
from torch import nn,optim 
from torchsummary import summary  
from keras.datasets import mnist
from keras.utils import to_categorical
device = torch.device('cuda')  #——————1——————
  
class ModelTest(nn.Module):
  def __init__(self,device):
    super().__init__() 
    self.layer1 = nn.Sequential(nn.Flatten(),nn.Linear(28*28,512),nn.ReLU())#——————2——————
    self.layer2 = nn.Sequential(nn.Linear(512,512),nn.ReLU()) 
    self.layer3 = nn.Sequential(nn.Linear(512,512),nn.ReLU())
    self.layer4 = nn.Sequential(nn.Linear(512,10),nn.Softmax())  

    self.to(device) #——————3——————
    self.opt = optim.SGD(self.parameters(),lr=0.01)#——————4——————
  def forward(self,inputs): #——————5——————
    x = self.layer1(inputs)
    x = self.layer2(x)
    x = self.layer3(x)
    x = self.layer4(x)
    return x 
  def get_loss(self,true_labels,predicts):  
    loss = -true_labels * torch.log(predicts)  #——————6——————
    loss = torch.mean(loss)
    return loss
  def train(self,imgs,labels): 
    predicts = model(imgs) 
    loss = self.get_loss(labels,predicts)
    self.opt.zero_grad()#——————7——————
    loss.backward()#——————8——————
    self.opt.step()#——————9——————
def get_data(device,is_train = True, batch = 1024, num = 10000):
  train_data,test_data = mnist.load_data()
  if is_train:
    imgs,labels = train_data
  else:
    imgs,labels = test_data  
  imgs = (imgs/255*2-1)[:,np.newaxis,...]
  labels = to_categorical(labels,10) 
  imgs = torch.tensor(imgs,dtype=torch.float32).to(device)
  labels = torch.tensor(labels,dtype=torch.float32).to(device)
  i = 0
  while(True):
    i += batch
    if i > num:
      i = batch 
    yield imgs[i-batch:i],labels[i-batch:i] 
train_dg = get_data(device, True,batch=4096,num=60000) 
test_dg = get_data(device, False,batch=5000,num=10000) 

model = ModelTest(device) 
summary(model,(1,28,28),11,device='cuda')  
ACCs = []
import time
start = time.time()
for j in range(20000):
  #训练
  imgs,labels = next(train_dg)
  model.train(imgs,labels)

  #验证
  img,label = next(test_dg)
  predicts = model(img) 
  acc = 1 - torch.count_nonzero(torch.argmax(predicts,axis=1) - torch.argmax(label,axis=1))/label.shape[0]
  if j % 50 == 0:
    t = time.time() - start
    start = time.time()
    ACCs.append(acc.cpu().numpy())
    print(j,t,'ACC: ',acc)
#绘图
x = np.linspace(0,len(ACCs),len(ACCs))
plt.plot(x,ACCs)

　　准确率变化图如下：

其它使用技巧

tensor与array

　　需要注意的是，pytorch的tensor基于numpy的array，它们是共享内存的。也就是说，如果你把tensor直接插入一个列表，当你修改这个tensor时，列表中的这个tensor也会被修改；更容易被忽略的是，即使你用tensor.detach.numpy()，先将tensor转换为array类型，再插入列表，当你修改原本的tensor时，列表中的这个array也依然会被修改。所以如果我们只是想保存tensor的值而不是整个对象，就要使用np.array(tensor)将tensor的值复制出来。

自定义层

　　在TF中，自定义模型通常继承keras的Model，而自定义层则是继承layers.Layer，继承不同的父类通常会造成初学者的困扰。而在pytorch中，自定义层与自定义模型一样，都是继承nn.Module。Pytorch将层与模型都看成了模块，这很容易理解。的确，层与模型之间本来也没有什么明确的界限。并且定义方式与上面定义模型的方式一样，也是实现两个函数即可。代码示例如下：

import torch   
from torch import nn  

class ParaDeconv(nn.Module):#——————1——————
  def __init__(self,in_n,out_n):
    super().__init__() 
    self.w = nn.Parameter(torch.normal(0,0.01,size = [in_n,out_n]),requires_grad=True)
    self.b = nn.Parameter(torch.normal(0,0.01,size = [out_n]),requires_grad=True) 
  def forward(self,inputs):
    x = torch.matmul(inputs,self.w)
    x = x + self.b
    return x 
layer = ParaDeconv(2,3)
y = layer(torch.ones(100,2))#——————2——————
loss = torch.sum(y)#——————3——————
loss.backward()#——————4——————
for i in layer.parameters():#——————5——————
  print(i.grad)#——————6——————

　　#1：自定义一个全连接层。层中可训练参数的定义是使用nn.Parameter，如果直接使用torch.tensor是无法在#5中遍历到的。

　　#2/3/4：输入并计算loss，然后反向传播计算参数梯度。

　　#5/6：输出完成反向传播后层参数的梯度。

　　以上定义的层可以和pytorch自带的层一样直接插入模型中使用。

保存/加载

保存/加载模型

　　有两种方式，一种是保存模型的参数：

torch.save(model.state_dict(), PATH)                 #保存    
model.load_state_dict(torch.load(PATH),strict=True)  #加载

　　这种加载方式需要先定义模型，然后再加载参数。如果你定义的模型参数名与保存的参数对不上，就会出错。但如果把strict修改成False，不严格匹配，它就会只匹配对应上的键值，不会因多出或缺少的参数而报错。

　　另一种是直接保存模型：

torch.save(model, PATH)  #保存
model = torch.load(PATH) #加载

　　这种方式看似方便，实际上更容易出错。因为python不能保存整个模型的类，所以它只能保存定义类的代码文件位置，以在加载时获取类的结构。如果你改变了定义类的代码位置，就有可能因为找不到类而出错。

保存训练点

　　当你要保存某个训练阶段的状态，比如包含优化器参数、模型参数、训练迭代次数等，可以进行如下操作：

#保存训练点
torch.save({
            'epoch': epoch,
            'model_state_dict': model.state_dict(),
            'optimizer_state_dict': optimizer.state_dict(),
            'loss': loss
            }, PATH)
#加载训练点
model = TheModelClass(*args, **kwargs)
optimizer = TheOptimizerClass(*args, **kwargs)

checkpoint = torch.load(PATH)

model.load_state_dict(checkpoint['model_state_dict'])
optimizer.load_state_dict(checkpoint['optimizer_state_dict'])
epoch = checkpoint['epoch']
loss = checkpoint['loss']

　　和保存模型一样，也是使用torch.save()。它很灵活，可以保存字典，因此读取的时候也按照字典索引读取即可。当然要注意，并不是任何类型都能保存的，这里保存的四个类型分别是：

　　1. int

　　2. collections.OrderedDict

　　3. collections.OrderedDict

　　4. list 

修改模型参数

　　Pytorch没有提供额外的方式让我们修改模型参数，我们可以使用上面加载模型参数的方式来修改参数。对于某个参数，我们只要把键值和对应要修改的值放在字典中传入load_state_dict即可。如果没传入所有的参数，记得把strict设为False。示例如下：

model.load_state_dict({'weight':torch.tensor([0.])},strict=False)  #修改模型参数

　　参数名，也就是键值，和对应的参数shape可以通过model.state_dict()查看。

添加Grad Penalty (GP)

　　WGAN-GP的grad penalty需要用到二次求导，直接无脑使用backward()方法是不行的。梯度的计算有两种方法，一种是常见的backward()，另一种是autograd.grad()。

　　下面做一个简单的实验来记录如何使用这两者计算GP。代码如下：

import torch
from torch import nn, optim   
from time import time

from torch import autograd

torch.manual_seed(1) #————0————
model = nn.Linear(3, 2) #————0————
opt = optim.SGD(model.parameters(), 0.1) #————0————

start_t = time()

for i in range(10):
  x = torch.ones([1, 3], requires_grad=True) #————1————
  y = torch.sum(model(x)) #————1————
  # ***********************
  y.backward(retain_graph = False, create_graph = True) #————2————
  g = x.grad #————2————
  # g = autograd.grad(y, x, retain_graph = False, create_graph = True)[0]
  # ***********************
  print("Input gradient: \n", g.detach().numpy())#————3————
  for i in model.state_dict(): #————3————
    print(i+":\n", model.state_dict()[i].numpy()) #————3————

  gp = torch.sum(g**2) #————4————
    
  print("GP: \n", gp.detach().numpy()) 
  print() 
 
  opt.zero_grad() #————5————
  gp.backward() #————5————
  opt.step() #————5————

print("Cost time: \n", time() - start_t)

　　注释：

　　0、设置随机种子、创建只包含一个全连接层的模型($R^3\to R^2$)、创建优化器。

　　1、定义可获取梯度的输入，并通过模型求得输出。

　　2、使用backward()或autograd.grad()获取输入关于输出的梯度。需要注意的是，create_graph = True 表示在反向传播计算梯度时记录计算图。因为梯度通常直接用来梯度下降，无需关于梯度的计算图，所以默认为False。而我们要用这个梯度再一次反向传播来计算Grad Penalty，所以需要设置为True。另外，retain_graph设置为False，表示计算完梯度后，关于模型输出的前向传播计算图就释放掉。因为我们需要的是输入关于输出的梯度的计算图，因此在获取梯度计算图之后，输入到输出的计算图就可以释放掉了。很多博客都设置为True，这是在浪费资源。

　　3、打印输入关于输出的梯度，并打印模型的权重值。可以验证，打印出的梯度向量值等于权重行向量之和。

　　4、计算GP。为了便于理解，这里直接用二范数的平方来代替。

　　5、使用GP更新模型权重。

　　输出结果如下：

　　可以看出权重两个行向量之和越来越接近0。这和数学计算的预期结果是一致的。

　　以上列举的两个方法，是有计算量上的差异的。backward()会计算所有与输出相关，且可获取梯度的参数的梯度；而autograd.grad()则只会计算输入与输出之间，与输入和输出都相关的梯度，且函数返回的只有输入关于输出的梯度。也就是说，在以上实验中，autograd.grad()不会计算全连接层中bias关于输出的梯度（因为它并没有影响到输入关于输出的梯度）。所以，使用autograd.grad()计算GP会更快。

　　我们可以使用以上代码进行实验，两种方法在10000次迭代中分别用时3.5s和3.2s，autograd.grad()快快了0.3秒。而这里的bias规模只有2，当规模大起来，节省的时间就很可观了。