Personnalisez ce qui se passe dans Model.fit

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

introduction

Lorsque vous faites l' apprentissage supervisé, vous pouvez utiliser en fit() et tout fonctionne bien.

Lorsque vous avez besoin d'écrire votre propre boucle de formation à partir de zéro, vous pouvez utiliser le GradientTape et prendre le contrôle de tous les petits détails.

Mais si vous avez besoin d' un algorithme de formation personnalisé, mais vous voulez toujours profiter des fonctions pratiques d' fit() , comme callbacks, un support intégré de distribution, ou la fusion de l' étape?

Un principe fondamental de Keras est la divulgation progressive de la complexité. Vous devriez 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 proportionnelle de commodité de haut niveau.

Lorsque vous avez besoin de personnaliser ce qui fit() le fait, vous devez remplacer la fonction de l' étape de formation du Model classe. Ceci est la fonction qui est appelée par fit() pour chaque lot de données. Vous serez alors en mesure d'appeler en fit() comme d' habitude - et il sera en cours d' exécution de 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 si vous construisez Sequential des modèles, des modèles fonctionnels de l' API ou les modèles sous - classées.

Voyons comment cela fonctionne.

Installer

Nécessite TensorFlow 2.2 ou version ultérieure.

import tensorflow as tf
from tensorflow import keras

Un premier exemple simple

Partons d'un exemple simple :

  • Nous créons une nouvelle classe qui les sous - classes keras.Model .
  • Nous remplaçons 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, ...) , puis les data seront tuple (x, y)
  • Si vous passez un tf.data.Dataset , en appelant fit(dataset, ...) de data dataset fit(dataset, ...) , alors les data seront ce qui sera donné par dataset de dataset à chaque lot.

Dans le corps de la train_step méthode, nous mettons en œuvre une mise à jour de la formation régulière, semblable à ce que vous êtes déjà familier. Il est important, on calcule la perte par self.compiled_loss , qui enveloppe la fonction perte (s) (s) qui ont été transmis à la compile() .

De même, nous appelons self.compiled_metrics.update_state(y, y_pred) de mettre à jour l'état des mesures qui ont été adoptées dans la compile() , et nous Regrouper les résultats de self.metrics à la fin de récupérons 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 2ms/step - loss: 0.9909 - mae: 0.8601
Epoch 2/3
32/32 [==============================] - 0s 2ms/step - loss: 0.4363 - mae: 0.5345
Epoch 3/3
32/32 [==============================] - 0s 2ms/step - loss: 0.2906 - mae: 0.4311
<keras.callbacks.History at 0x7f5ad1ca1090>

Passer au niveau inférieur

Bien sûr, vous pouvez simplement ignorer le passage d' une fonction de perte dans la compile() , et au lieu tout faire manuellement dans train_step . De même pour les métriques.

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

  • Nous commençons par créer Metric cas pour suivre notre perte et un score MAE.
  • Nous mettons en œuvre une coutume train_step() qui met à jour l'état de ces mesures (en appelant update_state() sur eux), puis les requêtes (par result() ) pour retourner leur valeur moyenne actuelle, à afficher par la barre de progression et d'être passer à n'importe quel rappel.
  • Notez que nous aurions besoin d'appeler reset_states() sur nos mesures entre chaque époque! Sinon , appeler result() retournerait en moyenne depuis le début de la formation, alors que nous avons l' habitude travailler avec une moyenne par époque. Heureusement, le cadre peut faire pour nous: écrit tout simplement une mesure que vous voulez réinitialiser dans la metrics propriété du modèle. Le modèle appellera reset_states() sur un objet énuméré ici au début de chaque fit() époque 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: 1.5969 - mae: 1.1523
Epoch 2/5
32/32 [==============================] - 0s 1ms/step - loss: 0.7352 - mae: 0.7310
Epoch 3/5
32/32 [==============================] - 0s 1ms/step - loss: 0.3830 - mae: 0.4999
Epoch 4/5
32/32 [==============================] - 0s 1ms/step - loss: 0.2809 - mae: 0.4215
Epoch 5/5
32/32 [==============================] - 0s 1ms/step - loss: 0.2590 - mae: 0.4058
<keras.callbacks.History at 0x7f5ad1b62c50>

Soutien sample_weight & 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 voulez soutenir l' fit() arguments sample_weight et class_weight , vous souhaitez simplement effectuer les opérations suivantes:

  • Déballez sample_weight de la data argumentation
  • Passez à compiled_loss & compiled_metrics (bien sûr, vous pouvez aussi simplement l' appliquer manuellement si vous ne comptez pas sur la compile() pour les pertes et les mesures)
  • C'est ça. C'est 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 2ms/step - loss: 0.1365 - mae: 0.4196
Epoch 2/3
32/32 [==============================] - 0s 2ms/step - loss: 0.1285 - mae: 0.4068
Epoch 3/3
32/32 [==============================] - 0s 2ms/step - loss: 0.1212 - mae: 0.3971
<keras.callbacks.History at 0x7f5ad1ba64d0>

Fournir votre propre étape d'évaluation

Que faire si vous voulez faire la même chose pour les appels à model.evaluate() ? Ensuite , vous remplacer 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: 2.7584 - mae: 1.5920
[2.758362054824829, 1.59201979637146]

Conclusion : un exemple de GAN de bout en bout

Parcourons 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 ("fake" et "real").
  • Un optimiseur pour chacun.
  • Une fonction de perte pour entraîner 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 fonctionnalité complète classe GAN, remplaçant la compile() d'utiliser sa propre signature, et mettre en œuvre l'ensemble de l' algorithme de GAN en 17 lignes 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)
100/100 [==============================] - 3s 11ms/step - d_loss: 0.4031 - g_loss: 0.9305
<keras.callbacks.History at 0x7f5ad1b37c50>

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