Настройте то, что происходит в Model.fit

Посмотреть на TensorFlow.org

Запускаем в Google Colab

Посмотреть исходный код на GitHub

Скачать блокнот

Вступление

Когда вы проводите обучение с учителем, вы можете использовать fit() и все работает без сбоев.

Когда вам нужно написать свой собственный цикл обучения с нуля, вы можете использовать GradientTape и контролировать каждую мелочь.

Но что, если вам нужен индивидуальный алгоритм обучения, но вы все равно хотите воспользоваться удобными функциями fit() , такими как обратные вызовы, встроенная поддержка распределения или пошаговое слияние?

Основной принцип Keras - постепенное раскрытие сложности . Вы всегда должны иметь возможность постепенно переходить к рабочим процессам нижнего уровня. Вы не должны упасть с обрыва, если функциональность высокого уровня не совсем соответствует вашему варианту использования. Вы должны иметь возможность лучше контролировать мелкие детали, сохраняя при этом соразмерное количество высокого уровня удобства.

Когда вам нужно настроить, что делает fit() , вы должны переопределить функцию шага обучения класса Model . Это функция, которая вызывается функцией fit() для каждого пакета данных. После этого вы сможете вызывать fit() как обычно - и он будет запускать ваш собственный алгоритм обучения.

Обратите внимание, что этот шаблон не мешает вам создавать модели с помощью функционального API. Это можно сделать независимо от того, создаете ли вы Sequential модели, модели функционального API или подклассы.

Посмотрим, как это работает.

Настраивать

Требуется TensorFlow 2.2 или новее.

import tensorflow as tf
from tensorflow import keras

Первый простой пример

Начнем с простого примера:

• Мы создаем новый класс, который является подклассом keras.Model .
• Мы просто переопределяем метод train_step(self, data) .
• Мы возвращаем словарь, отображающий имена метрик (включая потери) в их текущее значение.

Входной аргумент data является то , что получает передается , чтобы соответствовать в качестве обучающих данных:

• Если вы передадите массивы Numpy, вызвав fit(x, y, ...) , то data будет кортеж (x, y)
• Если вы передадитеtf.data.Dataset , вызвав fit(dataset, ...) , то data будут тем, что будет выдано dataset в каждом пакете.

В теле метода train_step мы реализуем регулярное обновление обучения, подобное тому, с чем вы уже знакомы. Важно отметить, что мы вычисляем потери с помощью self.compiled_loss , который self.compiled_loss функцию (-ы) потерь, переданные в compile() .

Точно так же мы вызываем self.compiled_metrics.update_state(y, y_pred) чтобы обновить состояние метрик, переданных в compile() , и в конце запрашиваем результаты из self.metrics чтобы получить их текущее значение.

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}

Давайте попробуем это:

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 2ms/step - loss: 0.2686 - mae: 0.4175
Epoch 2/3
32/32 [==============================] - 0s 2ms/step - loss: 0.2447 - mae: 0.3849
Epoch 3/3
32/32 [==============================] - 0s 1ms/step - loss: 0.2110 - mae: 0.3703

<tensorflow.python.keras.callbacks.History at 0x7fc0bc3355c0>

Переход на более низкий уровень

Естественно, вы можете просто пропустить передачу функции потерь в compile() и вместо этого делать все вручную в train_step . То же самое и с показателями.

Вот пример нижнего уровня, который использует compile() для настройки оптимизатора:

• Мы начинаем с создания экземпляров Metric для отслеживания наших потерь и оценки MAE.
• Мы реализуем специальный train_step() который обновляет состояние этих показателей (вызывая для них update_state() ), затем запрашивает их (через result() ), чтобы вернуть их текущее среднее значение, которое будет отображаться индикатором выполнения и быть перейти к любому обратному вызову.
• Обратите внимание, что нам нужно будет вызывать reset_states() для наших показателей между каждой эпохой! В противном случае вызов result() вернет среднее значение с начала обучения, тогда как мы обычно работаем со средними значениями за эпоху. К счастью, фреймворк может сделать это за нас: просто укажите любую метрику, которую вы хотите сбросить, в свойстве metrics модели. Модель будет вызывать reset_states() для любого объекта, перечисленного здесь, в начале каждой эпохи fit() или в начале вызова функции 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: 1.7601 - mae: 1.2365
Epoch 2/5
32/32 [==============================] - 0s 1ms/step - loss: 0.8057 - mae: 0.7847
Epoch 3/5
32/32 [==============================] - 0s 1ms/step - loss: 0.3824 - mae: 0.5099
Epoch 4/5
32/32 [==============================] - 0s 2ms/step - loss: 0.2435 - mae: 0.3970
Epoch 5/5
32/32 [==============================] - 0s 1ms/step - loss: 0.2078 - mae: 0.3660

<tensorflow.python.keras.callbacks.History at 0x7fc0bc1be470>

Поддержка sample_weight и class_weight

Вы могли заметить, что в нашем первом базовом примере не упоминалось о взвешивании выборки. Если вы хотите поддерживать аргументы fit() sample_weight и class_weight , вам просто нужно сделать следующее:

• Распаковать sample_weight из аргумента data
• Передайте его в compiled_loss & compiled_metrics (конечно, вы также можете просто применить его вручную, если вы не полагаетесь на compile() для потерь и показателей)
• Вот и все. Это список.

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 2ms/step - loss: 0.4465 - mae: 0.8506
Epoch 2/3
32/32 [==============================] - 0s 2ms/step - loss: 0.1995 - mae: 0.5142
Epoch 3/3
32/32 [==============================] - 0s 2ms/step - loss: 0.1206 - mae: 0.4091

<tensorflow.python.keras.callbacks.History at 0x7fc0bc1514a8>

Предоставление вашего собственного шага оценки

Что, если вы хотите сделать то же самое для вызовов model.evaluate() ? Тогда вы точно так же переопределите test_step . Вот как это выглядит:

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: 0.8310 - mae: 0.7860

[0.8263401985168457, 0.7800500392913818]

Подведение итогов: пример сквозной GAN

Давайте рассмотрим сквозной пример, который использует все, что вы только что узнали.

Давайте рассмотрим:

• Сеть генераторов, предназначенная для генерации изображений 28x28x1.
• Сеть дискриминатора, предназначенная для классификации изображений размером 28x28x1 на два класса («поддельные» и «настоящие»).
• По одному оптимизатору для каждого.
• Функция потерь для обучения дискриминатора.

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",
)

Вот полнофункциональный класс GAN, переопределяющий compile() для использования собственной сигнатуры и реализующий весь алгоритм GAN в 17 строках в 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}

Давайте протестируем это:

# 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)

100/100 [==============================] - 13s 11ms/step - d_loss: 0.4098 - g_loss: 0.8678

<tensorflow.python.keras.callbacks.History at 0x7fc0b07faef0>

Идеи, лежащие в основе глубокого обучения, просты, так почему же их реализация должна быть болезненной?