目录
[0. 前言](#0. 前言)
[1. 参数访问](#1. 参数访问)
[1.1 [目标参数]](#1.1 [目标参数])
[1.2 [一次性访问所有参数]](#1.2 [一次性访问所有参数])
[1.3 [从嵌套块收集参数]](#1.3 [从嵌套块收集参数])
[2. 参数初始化](#2. 参数初始化)
[2.1 [内置初始化]](#2.1 [内置初始化])
[2.2 [自定义初始化]](#2.2 [自定义初始化])
[2.3 [参数绑定-共享参数]](#2.3 [参数绑定-共享参数])
[3. 小结](#3. 小结)
[4. 练习](#4. 练习)
0. 前言
- 课程全部代码(pytorch版)已上传到附件
- 本章为原书第5章 ,共分为5节,本篇是第2节:参数管理(每层的权重/偏置)
- **本节的代码位置:**chapter_deep-learning-computation/parameters.ipynb
- 本节的视频链接:
正文:参数管理
在选择了架构并设置了超参数后,我们就进入了训练阶段。 此时,我们的目标是找到使损失函数最小化的模型参数值。 经过训练后,我们将需要使用这些参数来做出未来的预测。 此外,有时我们希望提取参数,以便在其他环境中复用它们, 将模型保存下来,以便它可以在其他软件中执行, 或者为了获得科学的理解而进行检查。
之前的介绍中,我们只依靠深度学习框架来完成训练的工作, 而忽略了操作参数的具体细节。 本节,我们将介绍以下内容:
- 访问参数,用于调试、诊断和可视化;
- 参数初始化;
- 在不同模型组件间共享参数。
(我们首先看一下具有单隐藏层的多层感知机。)
In [1]:
python
import torch
from torch import nn
net = nn.Sequential(nn.Linear(4, 8), nn.ReLU(), nn.Linear(8, 1)) # 传入的三个:net[0],net[1],net[2]
X = torch.rand(size=(2, 4)) # 生成随机size=(2, 4)的输入,2指的是batch size
net(X)
Out[1]:
tensor([[-0.0606],
[-0.1188]], grad_fn=<AddmmBackward0>)
1. 参数访问
我们从已有模型中访问参数。 当通过Sequential
类定义模型时, 我们可以通过索引来访问模型的任意层。 这就像模型是一个列表一样,每层的参数都在其属性中。 如下所示,我们可以检查第二个全连接层的参数。
In [2]:
python
print(net[2].state_dict()) # state_dict()拿出net中第3层的参数,有weight和bias(偏置)两个参数
Out[2]:
OrderedDict([('weight', tensor([[-0.1403, 0.0922, -0.1609, -0.1838, 0.3141, 0.0916, -0.1625, -0.0127]])), ('bias', tensor([-0.1967]))])
输出的结果告诉我们一些重要的事情: 首先,这个全连接层包含两个参数,分别是该层的权重和偏置。 两者都存储为单精度浮点数(float32)。 注意,参数名称允许唯一标识每个参数,即使在包含数百个层的网络中也是如此。
1.1 [目标参数]
注意,每个参数都表示为参数类的一个实例。 要对参数执行任何操作,首先我们需要访问底层的数值。 有几种方法可以做到这一点。有些比较简单,而另一些则比较通用。 下面的代码从第二个全连接层(即第三个神经网络层)提取偏置, 提取后返回的是一个参数类实例,并进一步访问该参数的值。
In [3]:
python
print(type(net[2].bias)) # Parameter指的是可以优化的参数,这是一个type
print(net[2].bias) # 输出:Parameter containing: tensor([0.1474], requires_grad=True)
print(net[2].bias.data) # .data访问值本身,.grad来访问梯度
Out[3]:
<class 'torch.nn.parameter.Parameter'>
Parameter containing:
tensor([-0.1967], requires_grad=True)
tensor([-0.1967])
参数是复合的对象,包含值、梯度和额外信息。 这就是我们需要显式参数值的原因。 除了值之外,我们还可以访问每个参数的梯度。 在上面这个网络中,由于我们还没有调用反向传播,所以参数的梯度处于初始状态。
In [4]:
python
net[2].weight.grad == None # .data访问值本身,.grad来访问梯度,咱这里还没做反向计算,还没有梯度
# 对损失函数求导,用反向传播(链式法则),最后使用优化算法(如SGD、Adam等)一次性更新网络的参数
Out[4]:
True
1.2 [一次性访问所有参数]
当我们需要对所有参数执行操作时,逐个访问它们可能会很麻烦。 当我们处理更复杂的块(例如,嵌套块)时,情况可能会变得特别复杂, 因为我们需要递归整个树来提取每个子块的参数。 下面,我们将通过演示来比较访问第一个全连接层的参数和访问所有层。
In [5]:
python
print(*[(name, param.shape) for name, param in net[0].named_parameters()]) # 拿出第0个net的每个参数形状
print(*[(name, param.shape) for name, param in net.named_parameters()]) # net[1]是nn.ReLU(),不显示
# 这里的'weight', torch.Size([8, 4])和前面的nn.Linear(4, 8)相反,在前向传播时pytorch会自动给weight做转置
Out [5]:
('weight', torch.Size([8, 4])) ('bias', torch.Size([8]))
('0.weight', torch.Size([8, 4])) ('0.bias', torch.Size([8])) ('2.weight', torch.Size([1, 8])) ('2.bias', torch.Size([1]))
拓展:关于这个转置的问题,本人尝试询问CSDN代码大模型:C知道,回答得很不错(下方有截图)
之所以将权重矩阵设计为 (out_channels, in_channels) ,把out_channels(实际是列)放前面,是为了方便拿列来进行矩阵乘法运算,符合计算机内存布局的优化,从而提高计算效率。
这为我们提供了另一种访问网络参数的方式,如下所示。
In [6]:
python
net.state_dict()['2.bias'].data # net[2]的bias的值
Out[6]:
tensor([-0.1967])
1.3 [从嵌套块收集参数]
让我们看看,如果我们将多个块相互嵌套,参数命名约定是如何工作的。 我们首先定义一个生成块的函数(可以说是"块工厂"),然后将这些块组合到更大的块中。
In [7]:
python
def block1():
return nn.Sequential(nn.Linear(4, 8), nn.ReLU(),
nn.Linear(8, 4), nn.ReLU())
def block2():
net = nn.Sequential()
for i in range(4):
# 在这里嵌套
net.add_module(f'block {i}', block1()) # 4个 block1 拼到了一起
return net
rgnet = nn.Sequential(block2(), nn.Linear(4, 1))
rgnet(X)
Out[7]:
tensor([[0.4036],
[0.4036]], grad_fn=<AddmmBackward0>)
[设计了网络后,我们看看它是如何工作的。]
In [8]:
python
print(rgnet)
Out[8]:
Sequential(
(0): Sequential(
(block 0): Sequential(
(0): Linear(in_features=4, out_features=8, bias=True)
(1): ReLU()
(2): Linear(in_features=8, out_features=4, bias=True)
(3): ReLU()
)
(block 1): Sequential(
(0): Linear(in_features=4, out_features=8, bias=True)
(1): ReLU()
(2): Linear(in_features=8, out_features=4, bias=True)
(3): ReLU()
)
(block 2): Sequential(
(0): Linear(in_features=4, out_features=8, bias=True)
(1): ReLU()
(2): Linear(in_features=8, out_features=4, bias=True)
(3): ReLU()
)
(block 3): Sequential(
(0): Linear(in_features=4, out_features=8, bias=True)
(1): ReLU()
(2): Linear(in_features=8, out_features=4, bias=True)
(3): ReLU()
)
)
(1): Linear(in_features=4, out_features=1, bias=True)
)
因为层是分层嵌套的,所以我们也可以像通过嵌套列表索引一样访问它们。 下面,我们访问第一个主要的块中、第二个子块的第一层的偏置项。
In [9]:
python
rgnet[0][1][0].bias.data
Out[9]:
tensor([-0.3955, 0.2888, -0.2878, -0.1033, -0.1986, -0.3564, 0.1886, 0.1515])
2. 参数初始化
知道了如何访问参数后,现在我们看看如何正确地初始化参数。 我们在 :numref:sec_numerical_stability
中讨论了良好初始化的必要性。 深度学习框架提供默认随机初始化, 也允许我们创建自定义初始化方法, 满足我们通过其他规则实现初始化权重。
默认情况下,PyTorch会根据一个范围均匀地初始化权重和偏置矩阵, 这个范围是根据输入和输出维度计算出的。 PyTorch的nn.init
模块提供了多种预置初始化方法。
2.1 [内置初始化]
让我们首先调用内置的初始化器。 下面的代码将所有权重参数初始化为标准差为0.01的高斯随机变量, 且将偏置参数设置为0。
In [10]:
python
def init_normal(m): # m指每次传入一个Module块,按照正态分布初始化参数
if type(m) == nn.Linear: # 只对全连接层初始化,别的(比如relu)咱就不管啦
nn.init.normal_(m.weight, mean=0, std=0.01) # 权重参数初始化为均值为0,方差为0.01
nn.init.zeros_(m.bias) # 将偏置参数设置为0;末尾的"_"指函数执行后会替换bias,没有返回值
net.apply(init_normal) # apply()相当于"for loop"循环,对net里面所有Module都执行init_normal,遍历一遍
net[0].weight.data[0], net[0].bias.data[0]
Out[10]:
(tensor([ 0.0216, -0.0067, 0.0025, 0.0014]), tensor(0.))
我们还可以将所有参数初始化为给定的常数,比如初始化为1。
In [11]:
python
def init_constant(m): # 初始化为恒定的constant(常数),算法层面咱不能初始化为常数,这里只是展示一种可能性
if type(m) == nn.Linear:
nn.init.constant_(m.weight, 1) # 把权重矩阵每一个元素初始化为1,实际上会导致梯度消失/爆炸等问题
nn.init.zeros_(m.bias) # 这里只是展示一种拓展性
net.apply(init_constant)
net[0].weight.data[0], net[0].bias.data[0]
Out[11]:
(tensor([1., 1., 1., 1.]), tensor(0.))
我们还可以[对某些块应用不同的初始化方法]。 例如,下面我们使用Xavier初始化方法初始化第一个神经网络层, 然后将第三个神经网络层初始化为常量值42。
In [12]:
python
def init_xavier(m): # xavier初始化,在数值稳定性那里讲过
if type(m) == nn.Linear:
nn.init.xavier_uniform_(m.weight)
def init_42(m):
if type(m) == nn.Linear:
nn.init.constant_(m.weight, 42) # 42这个梗出自《银河系漫游指南》,42是宇宙的答案~
net[0].apply(init_xavier) # 对不同的块,应用不同的初始化函数
net[2].apply(init_42)
print(net[0].weight.data[0])
print(net[2].weight.data)
tensor([-0.5535, -0.0212, -0.4946, 0.4913])
tensor([[42., 42., 42., 42., 42., 42., 42., 42.]])
2.2 [自定义初始化]
有时,深度学习框架没有提供我们需要的初始化方法。 在下面的例子中,我们使用以下的分布为任意权重参数𝑤𝑤定义初始化方法:
同样,我们实现了一个my_init
函数来应用到net
。
In [13]:
python
def my_init(m): # 更罕见的初始化,展示一下自定义初始化,作为拓展,实际用不上
if type(m) == nn.Linear:
print("Init", *[(name, param.shape) # print一些debug信息
for name, param in m.named_parameters()][0])
nn.init.uniform_(m.weight, -10, 10)
m.weight.data *= m.weight.data.abs() >= 5
net.apply(my_init)
net[0].weight[:2]
Init weight torch.Size([8, 4])
Init weight torch.Size([1, 8])
Out[13]:
tensor([[ 0.0000, -8.9999, 9.9201, -9.2975],
[-0.0000, 0.0000, 5.7322, -0.0000]], grad_fn=<SliceBackward0>)
注意,我们始终可以直接设置参数。
In [14]:
python
net[0].weight.data[:] += 1 # 更简单直接的方法,一个一个索引拿出来做替换
net[0].weight.data[0, 0] = 42
net[0].weight.data[0]
Out[14]:
tensor([42.0000, -7.9999, 10.9201, -8.2975])
2.3 [参数绑定-共享参数]
(简单应用一下之前所学,后面会用到参数绑定)有时我们希望在多个层间共享参数: 我们可以定义一个稠密层,然后使用它的参数来设置另一个层的参数。
In [15]:
python
# 我们需要给共享层一个名称,以便可以引用它的参数
shared = nn.Linear(8, 8)
net = nn.Sequential(nn.Linear(4, 8), nn.ReLU(),
shared, nn.ReLU(), # 参数绑定的层,参数形状、大小完全一致
shared, nn.ReLU(), # 参数绑定,两个共享层的梯度不是一样的,但它们会累加到同一组参数上
nn.Linear(8, 1)) # 在反向传播完成后,使用优化算法(如SGD、Adam等)一次性更新网络的参数
net(X)
# 检查参数是否相同
print(net[2].weight.data[0] == net[4].weight.data[0])
net[2].weight.data[0, 0] = 100 # 修改了其中一个权重
# 确保它们实际上是同一个对象,而不只是有相同的值
print(net[2].weight.data[0] == net[4].weight.data[0]) # 另一个也同时修改了,因为指向同一个对象(实例)shared
Out[15]:
tensor([True, True, True, True, True, True, True, True])
tensor([True, True, True, True, True, True, True, True])
这个例子表明第三个和第五个神经网络层的参数是绑定的。 它们不仅值相等,而且由相同的张量表示。 因此,如果我们改变其中一个参数,另一个参数也会改变。 这里有一个问题:当参数绑定时,梯度会发生什么情况? 答案是由于模型参数包含梯度,因此在反向传播期间第二个隐藏层 (即第三个神经网络层)和第三个隐藏层(即第五个神经网络层)的梯度会加在一起。
3. 小结
- 我们有几种方法可以访问、初始化和绑定模型参数。
- 我们可以使用自定义初始化方法。
4. 练习
- 使用 :numref:
sec_model_construction
中定义的FancyMLP
模型,访问各个层的参数。 - 查看初始化模块文档以了解不同的初始化方法。
- 构建包含共享参数层的多层感知机并对其进行训练。在训练过程中,观察模型各层的参数和梯度。
- 为什么共享参数是个好主意?