Avoir une question? Connectez-vous avec la communauté sur le forum TensorFlow Visiter le forum

Personnalisez ce qui se passe dans Model.fit

Voir sur TensorFlow.org Exécuter dans Google Colab Afficher la source sur GitHub Télécharger le cahier

introduction

Lorsque vous effectuez un apprentissage supervisé, vous pouvez utiliser fit() et tout fonctionne bien.

Lorsque vous avez besoin d'écrire votre propre boucle d'entraînement à partir de zéro, vous pouvez utiliser le GradientTape et prendre le contrôle de chaque petit détail.

Mais que se passe-t-il si vous avez besoin d'un algorithme d'entraînement personnalisé, mais que vous souhaitez toujours bénéficier des fonctionnalités pratiques de fit() , telles que les rappels, la prise en charge de la distribution intégrée ou la fusion par étapes?

Un principe fondamental de Keras est la divulgation progressive de la complexité . Vous devez toujours être en mesure d'entrer dans les flux de travail de niveau inférieur de manière progressive. Vous ne devriez pas tomber d'une falaise si la fonctionnalité de haut niveau ne correspond pas exactement à votre cas d'utilisation. Vous devriez être en mesure de mieux contrôler les petits détails tout en conservant une quantité proportionnée de commodité de haut niveau.

Lorsque vous devez personnaliser ce que fait fit() , vous devez remplacer la fonction d'étape d'entraînement de la classe Model . C'est la fonction qui est appelée par fit() pour chaque lot de données. Vous pourrez alors appeler fit() comme d'habitude - et il exécutera votre propre algorithme d'apprentissage.

Notez que ce modèle ne vous empêche pas de créer des modèles avec l'API fonctionnelle. Vous pouvez le faire que vous construisiez des modèles Sequential modèles d'API fonctionnels ou des modèles sous-classés.

Voyons comment cela fonctionne.

Installer

Nécessite TensorFlow 2.2 ou version ultérieure.

import tensorflow as tf
from tensorflow import keras

Un premier exemple simple

Commençons par un exemple simple:

  • Nous créons une nouvelle classe qui sous-classe keras.Model .
  • Nous train_step(self, data) simplement la méthode train_step(self, data) .
  • Nous renvoyons un dictionnaire mappant les noms de métriques (y compris la perte) à leur valeur actuelle.

L'argument d'entrée de data est ce qui est transmis à adapter les données d'entraînement:

  • Si vous passez des tableaux Numpy, en appelant fit(x, y, ...) , alors les data seront le tuple (x, y)
  • Si vous passez untf.data.Dataset , en appelant fit(dataset, ...) , alors les data seront ce qui sera produit par l' dataset de dataset à chaque lot.

Dans le corps de la méthode train_step , nous implémentons une mise à jour d'entraînement régulière, similaire à ce que vous connaissez déjà. Surtout, nous calculons la perte via self.compiled_loss , qui self.compiled_loss ou les fonctions de perte qui ont été passées à compile() .

De même, nous appelons self.compiled_metrics.update_state(y, y_pred) pour mettre à jour l'état des métriques qui ont été passées dans compile() , et nous interrogeons les résultats de self.metrics à la fin pour récupérer leur valeur actuelle.

class CustomModel(keras.Model):
    def train_step(self, data):
        # Unpack the data. Its structure depends on your model and
        # on what you pass to `fit()`.
        x, y = data

        with tf.GradientTape() as tape:
            y_pred = self(x, training=True)  # Forward pass
            # Compute the loss value
            # (the loss function is configured in `compile()`)
            loss = self.compiled_loss(y, y_pred, regularization_losses=self.losses)

        # Compute gradients
        trainable_vars = self.trainable_variables
        gradients = tape.gradient(loss, trainable_vars)
        # Update weights
        self.optimizer.apply_gradients(zip(gradients, trainable_vars))
        # Update metrics (includes the metric that tracks the loss)
        self.compiled_metrics.update_state(y, y_pred)
        # Return a dict mapping metric names to current value
        return {m.name: m.result() for m in self.metrics}

Essayons ceci:

import numpy as np

# Construct and compile an instance of CustomModel
inputs = keras.Input(shape=(32,))
outputs = keras.layers.Dense(1)(inputs)
model = CustomModel(inputs, outputs)
model.compile(optimizer="adam", loss="mse", metrics=["mae"])

# Just use `fit` as usual
x = np.random.random((1000, 32))
y = np.random.random((1000, 1))
model.fit(x, y, epochs=3)
Epoch 1/3
32/32 [==============================] - 1s 1ms/step - loss: 0.3689 - mae: 0.4870
Epoch 2/3
32/32 [==============================] - 0s 1ms/step - loss: 0.2860 - mae: 0.4282
Epoch 3/3
32/32 [==============================] - 0s 1ms/step - loss: 0.2690 - mae: 0.4159
<tensorflow.python.keras.callbacks.History at 0x7ff5c2a96748>

Aller à un niveau inférieur

Naturellement, vous pouvez simplement sauter une fonction de perte dans compile() , et à la place, tout faire manuellement dans train_step . De même pour les métriques.

Voici un exemple de niveau inférieur, qui utilise uniquement compile() pour configurer l'optimiseur:

  • Nous commençons par créer des instances Metric pour suivre notre perte et un score MAE.
  • Nous implémentons un train_step() qui met à jour l'état de ces métriques (en appelant update_state() sur eux), puis les interroge (via result() ) pour retourner leur valeur moyenne actuelle, à afficher par la barre de progression et à être passer à n'importe quel rappel.
  • Notez que nous aurions besoin d'appeler reset_states() sur nos métriques entre chaque époque! Sinon, appeler result() renverrait une moyenne depuis le début de la formation, alors que nous travaillons généralement avec des moyennes par époque. Heureusement, le framework peut le faire pour nous: listez simplement toutes les métriques que vous souhaitez réinitialiser dans la propriété metrics du modèle. Le modèle appellera reset_states() sur tout objet listé ici au début de chaque époque fit() ou au début d'un appel à evaluate() .
loss_tracker = keras.metrics.Mean(name="loss")
mae_metric = keras.metrics.MeanAbsoluteError(name="mae")


class CustomModel(keras.Model):
    def train_step(self, data):
        x, y = data

        with tf.GradientTape() as tape:
            y_pred = self(x, training=True)  # Forward pass
            # Compute our own loss
            loss = keras.losses.mean_squared_error(y, y_pred)

        # Compute gradients
        trainable_vars = self.trainable_variables
        gradients = tape.gradient(loss, trainable_vars)

        # Update weights
        self.optimizer.apply_gradients(zip(gradients, trainable_vars))

        # Compute our own metrics
        loss_tracker.update_state(loss)
        mae_metric.update_state(y, y_pred)
        return {"loss": loss_tracker.result(), "mae": mae_metric.result()}

    @property
    def metrics(self):
        # We list our `Metric` objects here so that `reset_states()` can be
        # called automatically at the start of each epoch
        # or at the start of `evaluate()`.
        # If you don't implement this property, you have to call
        # `reset_states()` yourself at the time of your choosing.
        return [loss_tracker, mae_metric]


# Construct an instance of CustomModel
inputs = keras.Input(shape=(32,))
outputs = keras.layers.Dense(1)(inputs)
model = CustomModel(inputs, outputs)

# We don't passs a loss or metrics here.
model.compile(optimizer="adam")

# Just use `fit` as usual -- you can use callbacks, etc.
x = np.random.random((1000, 32))
y = np.random.random((1000, 1))
model.fit(x, y, epochs=5)
Epoch 1/5
32/32 [==============================] - 0s 1ms/step - loss: 0.7816 - mae: 0.7624
Epoch 2/5
32/32 [==============================] - 0s 1ms/step - loss: 0.3272 - mae: 0.4600
Epoch 3/5
32/32 [==============================] - 0s 1ms/step - loss: 0.2355 - mae: 0.3884
Epoch 4/5
32/32 [==============================] - 0s 1ms/step - loss: 0.2252 - mae: 0.3791
Epoch 5/5
32/32 [==============================] - 0s 1ms/step - loss: 0.2214 - mae: 0.3760
<tensorflow.python.keras.callbacks.History at 0x7ff5c29225f8>

sample_weight class_weight sample_weight et class_weight

Vous avez peut-être remarqué que notre premier exemple de base ne faisait aucune mention de la pondération de l'échantillon. Si vous souhaitez prendre en charge les arguments fit() sample_weight et class_weight , procédez simplement comme suit:

  • sample_weight de l'argument data
  • Passez-le à compiled_loss & compiled_metrics (bien sûr, vous pouvez également l'appliquer manuellement si vous ne comptez pas sur compile() pour les pertes et les métriques)
  • C'est ça. Voilà la liste.
class CustomModel(keras.Model):
    def train_step(self, data):
        # Unpack the data. Its structure depends on your model and
        # on what you pass to `fit()`.
        if len(data) == 3:
            x, y, sample_weight = data
        else:
            sample_weight = None
            x, y = data

        with tf.GradientTape() as tape:
            y_pred = self(x, training=True)  # Forward pass
            # Compute the loss value.
            # The loss function is configured in `compile()`.
            loss = self.compiled_loss(
                y,
                y_pred,
                sample_weight=sample_weight,
                regularization_losses=self.losses,
            )

        # Compute gradients
        trainable_vars = self.trainable_variables
        gradients = tape.gradient(loss, trainable_vars)

        # Update weights
        self.optimizer.apply_gradients(zip(gradients, trainable_vars))

        # Update the metrics.
        # Metrics are configured in `compile()`.
        self.compiled_metrics.update_state(y, y_pred, sample_weight=sample_weight)

        # Return a dict mapping metric names to current value.
        # Note that it will include the loss (tracked in self.metrics).
        return {m.name: m.result() for m in self.metrics}


# Construct and compile an instance of CustomModel
inputs = keras.Input(shape=(32,))
outputs = keras.layers.Dense(1)(inputs)
model = CustomModel(inputs, outputs)
model.compile(optimizer="adam", loss="mse", metrics=["mae"])

# You can now use sample_weight argument
x = np.random.random((1000, 32))
y = np.random.random((1000, 1))
sw = np.random.random((1000, 1))
model.fit(x, y, sample_weight=sw, epochs=3)
Epoch 1/3
32/32 [==============================] - 0s 1ms/step - loss: 0.3251 - mae: 0.7057
Epoch 2/3
32/32 [==============================] - 0s 1ms/step - loss: 0.1303 - mae: 0.4293
Epoch 3/3
32/32 [==============================] - 0s 1ms/step - loss: 0.0950 - mae: 0.3699
<tensorflow.python.keras.callbacks.History at 0x7ff5c28ae668>

Fournir votre propre étape d'évaluation

Que faire si vous souhaitez faire de même pour les appels à model.evaluate() ? Ensuite, vous surchargez test_step exactement de la même manière. Voici à quoi cela ressemble:

class CustomModel(keras.Model):
    def test_step(self, data):
        # Unpack the data
        x, y = data
        # Compute predictions
        y_pred = self(x, training=False)
        # Updates the metrics tracking the loss
        self.compiled_loss(y, y_pred, regularization_losses=self.losses)
        # Update the metrics.
        self.compiled_metrics.update_state(y, y_pred)
        # Return a dict mapping metric names to current value.
        # Note that it will include the loss (tracked in self.metrics).
        return {m.name: m.result() for m in self.metrics}


# Construct an instance of CustomModel
inputs = keras.Input(shape=(32,))
outputs = keras.layers.Dense(1)(inputs)
model = CustomModel(inputs, outputs)
model.compile(loss="mse", metrics=["mae"])

# Evaluate with our custom test_step
x = np.random.random((1000, 32))
y = np.random.random((1000, 1))
model.evaluate(x, y)
32/32 [==============================] - 0s 1ms/step - loss: 5.6995 - mae: 2.3246
[5.736238479614258, 2.331244945526123]

Conclusion: un exemple de GAN de bout en bout

Passons en revue un exemple de bout en bout qui tire parti de tout ce que vous venez d'apprendre.

Considérons:

  • Un réseau de générateurs destiné à générer des images 28x28x1.
  • Un réseau discriminateur destiné à classer les images 28x28x1 en deux classes ("faux" et "réel").
  • Un optimiseur pour chacun.
  • Une fonction de perte pour former le discriminateur.
from tensorflow.keras import layers

# Create the discriminator
discriminator = keras.Sequential(
    [
        keras.Input(shape=(28, 28, 1)),
        layers.Conv2D(64, (3, 3), strides=(2, 2), padding="same"),
        layers.LeakyReLU(alpha=0.2),
        layers.Conv2D(128, (3, 3), strides=(2, 2), padding="same"),
        layers.LeakyReLU(alpha=0.2),
        layers.GlobalMaxPooling2D(),
        layers.Dense(1),
    ],
    name="discriminator",
)

# Create the generator
latent_dim = 128
generator = keras.Sequential(
    [
        keras.Input(shape=(latent_dim,)),
        # We want to generate 128 coefficients to reshape into a 7x7x128 map
        layers.Dense(7 * 7 * 128),
        layers.LeakyReLU(alpha=0.2),
        layers.Reshape((7, 7, 128)),
        layers.Conv2DTranspose(128, (4, 4), strides=(2, 2), padding="same"),
        layers.LeakyReLU(alpha=0.2),
        layers.Conv2DTranspose(128, (4, 4), strides=(2, 2), padding="same"),
        layers.LeakyReLU(alpha=0.2),
        layers.Conv2D(1, (7, 7), padding="same", activation="sigmoid"),
    ],
    name="generator",
)

Voici une classe GAN complète, remplaçant compile() pour utiliser sa propre signature et implémentant tout l'algorithme GAN en 17 lignes dans train_step :

class GAN(keras.Model):
    def __init__(self, discriminator, generator, latent_dim):
        super(GAN, self).__init__()
        self.discriminator = discriminator
        self.generator = generator
        self.latent_dim = latent_dim

    def compile(self, d_optimizer, g_optimizer, loss_fn):
        super(GAN, self).compile()
        self.d_optimizer = d_optimizer
        self.g_optimizer = g_optimizer
        self.loss_fn = loss_fn

    def train_step(self, real_images):
        if isinstance(real_images, tuple):
            real_images = real_images[0]
        # Sample random points in the latent space
        batch_size = tf.shape(real_images)[0]
        random_latent_vectors = tf.random.normal(shape=(batch_size, self.latent_dim))

        # Decode them to fake images
        generated_images = self.generator(random_latent_vectors)

        # Combine them with real images
        combined_images = tf.concat([generated_images, real_images], axis=0)

        # Assemble labels discriminating real from fake images
        labels = tf.concat(
            [tf.ones((batch_size, 1)), tf.zeros((batch_size, 1))], axis=0
        )
        # Add random noise to the labels - important trick!
        labels += 0.05 * tf.random.uniform(tf.shape(labels))

        # Train the discriminator
        with tf.GradientTape() as tape:
            predictions = self.discriminator(combined_images)
            d_loss = self.loss_fn(labels, predictions)
        grads = tape.gradient(d_loss, self.discriminator.trainable_weights)
        self.d_optimizer.apply_gradients(
            zip(grads, self.discriminator.trainable_weights)
        )

        # Sample random points in the latent space
        random_latent_vectors = tf.random.normal(shape=(batch_size, self.latent_dim))

        # Assemble labels that say "all real images"
        misleading_labels = tf.zeros((batch_size, 1))

        # Train the generator (note that we should *not* update the weights
        # of the discriminator)!
        with tf.GradientTape() as tape:
            predictions = self.discriminator(self.generator(random_latent_vectors))
            g_loss = self.loss_fn(misleading_labels, predictions)
        grads = tape.gradient(g_loss, self.generator.trainable_weights)
        self.g_optimizer.apply_gradients(zip(grads, self.generator.trainable_weights))
        return {"d_loss": d_loss, "g_loss": g_loss}

Testons-le:

# Prepare the dataset. We use both the training & test MNIST digits.
batch_size = 64
(x_train, _), (x_test, _) = keras.datasets.mnist.load_data()
all_digits = np.concatenate([x_train, x_test])
all_digits = all_digits.astype("float32") / 255.0
all_digits = np.reshape(all_digits, (-1, 28, 28, 1))
dataset = tf.data.Dataset.from_tensor_slices(all_digits)
dataset = dataset.shuffle(buffer_size=1024).batch(batch_size)

gan = GAN(discriminator=discriminator, generator=generator, latent_dim=latent_dim)
gan.compile(
    d_optimizer=keras.optimizers.Adam(learning_rate=0.0003),
    g_optimizer=keras.optimizers.Adam(learning_rate=0.0003),
    loss_fn=keras.losses.BinaryCrossentropy(from_logits=True),
)

# To limit the execution time, we only train on 100 batches. You can train on
# the entire dataset. You will need about 20 epochs to get nice results.
gan.fit(dataset.take(100), epochs=1)
Downloading data from https://storage.googleapis.com/tensorflow/tf-keras-datasets/mnist.npz
11493376/11490434 [==============================] - 0s 0us/step
100/100 [==============================] - 12s 11ms/step - d_loss: 0.4581 - g_loss: 0.8789
<tensorflow.python.keras.callbacks.History at 0x7ff5712ea978>

Les idées derrière l'apprentissage en profondeur sont simples, alors pourquoi leur mise en œuvre devrait-elle être douloureuse?