“AI 技术+人才”如何成为企业增长新引擎?戳此了解>>> 了解详情
写点什么

计算图反向传播的原理及实现

  • 2019-07-02
  • 本文字数:15696 字

    阅读完需:约 51 分钟

计算图反向传播的原理及实现

本文节选自即将出版的《 深入理解神经网络——从逻辑回归到 CNN 》(暂定名)的第八章“计算图”。阅读本文前,可先阅读作者之前的文章:


神经网络反向传播算法:



梯度下降:



本文介绍了计算图以及计算图上的自动求导(通用的反向传播)的原理,用原生 Python 实现了计算图以及计算图上的反向传播,用其搭建了一个多层全连接神经网络,建模 MNIST 手写数字识别。本文的样例代码建于这里:



神经网络的结构并不仅限于多层全连接,在深度学习领域,存在局部连接、权值共享、跳跃连接等丰富多样的神经元连接方式,多层全连接仅仅是其中的一种。在打开更广阔的新世界的大门之前,我们首先需要掌握描述和训练任意神经网络的方法。


计算图是一个强大的工具,绝大部分神经网络都可以用计算图描述。计算图用节点表示变量,用有向边表示计算。自动求导应用链式法则求某节点对其他节点的雅可比矩阵,它从结果节点开始,沿着计算路径向前追溯,逐节点计算雅可比。将神经网络和损失函数连接成一个计算图,则它的输入、输出和参数都是节点,可利用自动求导求损失值对网络参数的雅可比,从而得到梯度。


本文首先介绍计算图,并以多层全连接神经网络和一种非全连接网络为例,展示计算图的表达能力,之后,我们介绍自动求导的原理和实现。具备了这些知识,就能理解如何构建和训练任意神经网络,为进入深度学习领域做好准备。

1 计算图模型

我们需要一种灵活通用的方法描述各种神经网络,计算图就是一种合适的工具。本节首先介绍计算图的基本概念,之后阐述如何用计算图描述多层全连接神经网络以及一个简单的卷积神经网络。

1.1 简介

计算图 ( computational graph ) 是一种有向无环图 ( directed acyclic graph,DAG ) 。计算图用节点表示变量,用有向边 ( directed edge ) 表示计算。有向边的目的节点称为子节点,源节点称为父节点,计算图定义如何用父节点计算子节点,如图 1 所示。



图 1 计算图的节点和有向边


图 1 中的计算图描述了计算:



一个子节点可以有两个父节点,表示该子节点由两个父节点计算而得,如图 2 所示。



图 2 有两个父节点的子节点


图 2 中的计算图描述的计算是:



一个子节点也可以有两个以上的父节点,但是这种情况可以通过添加中间节点而转化成每个子节点只有两个父节点的情况。图 3 中的两个计算图是等价的。



图 3 两个以上父节点可以转化成两个父节点


图 3 中的两个计算图描述的计算都是:



所以本文中,每个子节点至多有两个父节点。用上述简单的组件可以表达复杂的计算,例如图 4 所示。



图 4 逻辑回归的计算图


图 4 中的计算图表示逻辑回归模型:



同一个计算可以用不同的计算图描述。计算式可以代数变形这自不必说,即便是同一个式子也可以用不同的计算图描述,这取决于表示计算的“粒度”。例如图 4 中,从节点得到节点的计算是 Logistic 函数,但也可以将 Logistic 函数拆解成更基础的计算,如图 5 所示。



图 5 将 Logistic 函数拆解成更基础的计算


图 5 中的计算图只包含取反、指数、增 1 和取倒数这四种基础运算,它表示的是 Logistic 函数。用更基础的运算构建计算图,会使计算图的规模更大。以上介绍的计算图的节点都是标量,节点也可以是向量、矩阵乃至张量 ( tensor ) 。可将矩阵或张量的元素重新排列为向量,例如矩阵:



将的元素重新排列,可以得到向量:



向量 是将 的各行排成一列,它的维数是 。对矩阵或张量的计算无非是对其元素的计算,所以它们都可以转化成对向量的计算。若计算的结果是矩阵或张量,也可以将其排列成向量。所以本文讨论的计算图的节点都是向量或标量。使用向量节点,逻辑回归模型可以表示为图 6 中的计算图。



图 6 节点为向量的逻辑回归模型计算图


图 6 中的和是向量,用它们得到标量节点的运算是内积。若计算图有多个输入节点,即该计算图接受多个输入向量,可将这些向量连在一起视为一个输入向量。整个计算图本质上是一个映射:由输入向量得到输出向量。每个节点和它的父节点构成计算图的一个子计算图,它也是一个映射。


如果计算图有多个输入节点,可将其中一部分输入节点视为变量,将其他输入节点视为常量。例如图 6 中的逻辑回归计算图,预测时将 视为常量,将 视为变量;训练时则将 视为常量,将 视为变量。

1.2 多层全连接神经网络的计算图

常见的多层全连接神经网络示意图就是一个计算图,它的节点都是标量,表示计算的粒度较细。现在我们可以用向量节点更简洁地表示多层全连接神经网络,如图 7 所示。



图 7 用向量节点计算图表示多层全连接神经网络


是权值矩阵, 是偏置向量。将输入 与权值矩阵相乘,得到向量 ,将 相加得到仿射值向量 ,对 的每个分量施加激活函数,得到该神经元层的输出 。输出层不对仿射值向量 施加激活函数,而是施加 SoftMax 函数,得到多分类概率向量

1.3 其他神经网络结构的计算图

计算图可以灵活地表达各种复杂的神经网络,本节举一个例子,请看图 8 所示的神经网络。



图 8 非全连接结构的神经网络


这个神经网络的输入是 。将输入排成 的阵列,该阵列包含 4 个的 子阵列,将每个子阵列的输入加权求和再加偏置得到仿射值。这 4 个仿射单元使用同一套权值和偏置(图中没有画出)。对 4 个仿射值施加激活函数 ,然后连接到两个仿射单元。对这两个仿射单元的输出施加 SoftMax 函数,得到两个概率 。后文会知道,这个神经网络就是一个卷积层加一个全连接层的卷积神经网络。可以用矩阵运算来表示该神经网络,计算图如图 9 所示(本文中不给出细节,细节请见即将出版的《 深入理解神经网络 》)。



图 9 卷积神经网络的计算图


由于我们将计算限制为矩阵/向量的加法和乘法以及激活函数,而没有其他类型的计算,故该计算图稍复杂。如果加入更多的计算类型,则可以更简洁地表示这个卷积神经网络,但是这个例子说明计算图足以表达复杂的神经网络。

2 自动求导

对于计算图中的任意节点 x 和 y,如果存在一条从 x 到 y 的有向路径,其他节点都看作常量,则 y 可以视为 x 的映射,如图 10 所示。



图 10 计算图中的一条有向路径表示一个映射


图 10 省略了计算图的其他部分。由 计算 是一个多重复合映射。如果 维向量, 维向量,则该计算图表示的计算是一个 的映射。这个映射的“导数”是一个 的矩阵,即雅可比矩阵。根据链式法则, 的雅可比矩阵是:



本文用偏导数相同的符号表示雅可比矩阵,例如 ,注意 是向量, 是矩阵。则该计算图如果要计算 在 $x^u^1xx^\frac{\partial u^1}{\partial x}u^2u^1u^1(x^)\frac{\partial u^2}{\partial u^1}y\frac{\partial y}{\partial x}yxx^$ 的梯度的转置。



图 11 一个节点有多个子节点


如果一个节点有多个子节点,如图 11 所示,x 节点经过两个子节点 u1 和 u2 计算出最终结果。假设现在和已知,该如何计算呢?如果 u1 是 m 维向量,u2 是 k 维向量,可将它们连在一起构成 m+k 维向量:



的雅可比是 矩阵:



的雅可比是 矩阵:



根据链式法则, 的雅可比是 矩阵:



如果有两个以上子节点,同样可以证明:



这对于自动求导非常有利:如果一个节点有多个子节点,将结果节点对这些子节点的雅可比与这些子节点对该节点的雅可比相乘再求和,就得到了结果节点对该节点的雅可比。有时需要计算 对多个节点的梯度,如图 12 所示。



图 12 计算节点对多个上游节点的梯度


假设图 12 中的 维向量, 维向量, 是标量,可将该计算图视作映射 。可以两次应用上式分别计算



和 $$ 的梯度,但是注意下式:



该式会被计算两次,如果将其结果保存起来,则可以节省计算量。这就是自动求导的核心所在:保存结果节点对计算路径上各个节点的雅可比,并用它们计算结果节点对更上游节点的雅可比。中间节点的雅可比就是上一章中仿射值偏导数的推广,是被“反向传播”的对象。计算图自动求导是广义的反向传播。

3 自动求导的实现

本节讨论计算图自动求导的实现,我们以面向对象式的伪代码来描述该实现。节点是对象,它包含两个属性:value 和 jacobi 。value 包含本节点的值,如果本节点尚未被计算,则 value 是 NULL 。jacobi 包含结果节点对本节点的雅可比,如果雅可比尚未被计算,则 jacobi 为 NULL 。节点有如下方法。


  • 计算节点的值,如果有父节点的值尚未计算,则抛出异常;

  • 返回所有子节点,若无子节点则返回空集;

  • 返回所有父节点,若无父节点则返回空集;

  • 接受一个父节点,计算本节点对这个父节点的雅可比。注意本方法与属性的区别,是结果节点对本节点的雅可比,是计算并返回本节点对某个父节点的雅可比。


若要计算某个节点的值,则它的所有父节点必须先被计算。信息沿着计算图路径从前向后传播,这就相当于神经网络的前向传播。以下 forward_propagation 函数实现了计算某节点值的前向传播过程。


function forward_propagation(v):    for p in v.get_parents():        if p.value is NULL:            forward_propagation(p)    v.evaluate()    return v.value
复制代码


节点的 evaluate() 执行的计算可以是标量计算,矩阵/向量计算或者其他更复杂的计算,忽略各种计算的差异,将它们的时间复杂度都视为 ,若计算图有个节点,则它的时间复杂度是


若要计算某个节点对它的某个上游节点的雅可比,则沿着计算图路径从后向前,逐节点计算结果节点对它们的雅可比。在所有子节点的雅可比计算完成后,则父节点的雅可比可以计算。中间节点的雅可比可能会被使用多次,将它们保存在对象属性 ( jacobi ) 中,可避免重复计算。以下 back_propagation 函数计算节点对某个上游节点的雅可比。


function back_propagation(y,v):    if v.jacobi is NULL:        if  v == y :            v.jacobi = I         else:            v.jacobi = O # O 为零矩阵            for c in v.get_children():                v.jacobi += back_propagation(y,c) * c.get_jacobi(v)
return v.jacobi
复制代码


get_jacobi 对计算路径上的每条边执行一次, 个节点的计算图最多有 条边,如果认为所有的时间复杂度都是 ,则自动求导的时间复杂度是 。试想如果粗暴地直接应用链式法则,则中间节点的雅可比有可能被重复计算多次。反向传播的本质是以空间换时间,将中间节点的雅可比保存起来,重复使用。父节点的雅可比根据其子节点的雅可比计算,信息沿着计算路径向前传播,这就是反向传播的含义。


现在我们用原生 Python 和 Numpy 库实现计算图以及自动求导,并用计算图搭建多层全连接神经网络。与 TensorFlow 不同,我们的节点不是二维、三维,乃至更高维度的张量 ( Tensor ) ,而是向量。根据之前的讨论,原则上只用向量就可以实现任何计算,只是在易用性和效率上打了折扣,但是只以向量为节点能更清晰地展现节点与节点之间的映射关系,以及它们之间的求导关系——雅可比矩阵。首先,我们实现计算图节点的基类,代码如下:


import numpy as np
from graph import Graph, default_graph

class Node: """ 计算图节点类基类 """
def __init__(self, *parents): self.parents = parents # 父节点列表 self.children = [] # 子节点列表 self.value = None # 本节点的值 self.jacobi = None # 结果节点对本节点的雅可比矩阵 self.graph = default_graph # 计算图对象,默认为全局对象default_graph
# 将本节点添加到父节点的子节点列表中 for parent in self.parents: parent.children.append(self)
# 将本节点添加到计算图中 self.graph.add_node(self)
def set_graph(self, graph): """ 设置计算图 """ assert isinstance(graph, Graph) self.graph = graph
def get_parents(self): """ 获取本节点的父节点 """ return self.parents
def get_children(self): """ 获取本节点的子节点 """ return self.children
def forward(self): """ 前向传播计算本节点的值,若父节点的值未被计算,则递归调用父节点的forward方法 """ for node in self.parents: if node.value is None: node.forward()
self.compute()
def compute(self): """ 抽象方法,根据父节点的值计算本节点的值 """ pass
def get_jacobi(self, parent): """ 抽象方法,计算本节点对某个父节点的雅可比矩阵 """ pass
def backward(self, result): """ 反向传播,计算结果节点对本节点的雅可比矩阵 """ if self.jacobi is None: if self is result: self.jacobi = np.mat(np.eye(self.dimension())) else: self.jacobi = np.mat(np.zeros((result.dimension(), self.dimension())))
for child in self.get_children(): if child.value is not None: self.jacobi += child.backward(result) * child.get_jacobi(self)
return self.jacobi
def clear_jacobi(self): """ 清空结果节点对本节点的雅可比矩阵 """ self.jacobi = None
def dimension(self): """ 返回本节点的值的向量维数 """ return self.value.shape[0] if self.value is not None else None
def reset_value(self, recursive=True): """ 重置本节点的值,并递归重置本节点的下游节点的值 """
self.value = None
if recursive: for child in self.children: child.reset_value()
复制代码


代码中,Graph 类是计算图类,default_graph 对象是一个全局的计算图对象,它们的实现我们稍后呈现。Node 类是计算图节点的基类,所有类型的节点都继承自 Node 类。Node 类实现了计算图节点的一些公共方法,它的构造函数接受可变数量的 Node 类对象,作为本节点的父节点,本节点的值用这些父节点的值计算而得。


节点对象保存父节点和子节点的引用列表,这是构成计算图的“边”的关键数据结构。利用它们,就可以遍历计算图。value 和 jacobi 是节点的属性,分别保存节点的值和某个被视为最终结果的节点对本节点的雅可比矩阵。若它们为空,则表示尚没有被计算。构造函数将通过参数传进来的节点加入本节点的父节点列表,再将本节点加入所有父节点的子节点列表,最后将本节点加入计算图对象的节点列表。


接下来是一些简单的设置和获取方法,不必赘述。forward 是执行前向传播,计算本节点的值的方法,它是第 3 节的伪代码的实现。为了计算本节点的值,forward 方法首先检查父节点的值是否为空,若某个父节点的值为空,则递归调用该父节点的 forward 方法。确保所有父节点的值都已被计算后,forward 方法调用 compute 方法计算本节点的值。在基类中,compute 方法是一个抽象方法,需要具体的节点子类去覆盖实现各种不同的计算。get_jacobi 方法是另一个抽象方法,它接受一个父节点,计算当前本节点对这个父节点的雅可比矩阵。


backward 方法是实现反向传播的关键,它接受一个被视为计算图计算结果的节点,计算当前该结果节点对本节点的雅可比矩阵。backward 方法是第 3 节的伪代码的实现。若本节点的 jacobi 属性为空,则表示结果节点对本节点的雅可比矩阵尚未被计算。若本节点就是结果节点,则雅可比矩阵为单位矩阵,否则利用链式法则根据结果节点对各个子节点的雅可比矩阵计算结果节点对本节点的雅可比矩阵。


接下来的两个方法容易理解,不再赘述。reset_value 方法将本节点的值置空。因为本节点的值影响下游节点的值,所以应该递归置空所有下游节点的值。是否递归取决于参数 recursive 。


有了基类,我们就可以实现各种不同的节点类,它们执行不同计算。我们首先实现 Variable 类,它保存一个变量。Variable 对象没有父节点,它们是计算图的终端节点。可以随机初始化 Variable 对象的值,也可以为 Variable 对象赋值。Variable 类的代码如下:


class Variable(Node):    """    变(向)量节点    """
def __init__(self, dim, init=False, trainable=True): """ 变量节点没有父节点,构造函数接受变量的维数,以及变量是否参与训练的标识 """ Node.__init__(self) self.dim = dim
# 如果需要初始化,则以正态分布随机初始化变量的值 if init: self.value = np.mat(np.random.normal(0, 0.001, (self.dim, 1)))
# 变量节点是否参与训练 self.trainable = trainable
def set_value(self, value): """ 为变量赋值 """ assert isinstance(value, np.matrix) and value.shape == (self.dim, 1)
# 本节点的值被改变,重置所有下游节点的值 self.reset_value() self.value = value
复制代码


Variable 类的构造函数接受 dim 参数,确定变量的维数。init 参数表示是否要随机初始化变量的值。trainable 参数表示本变量节点是否参与训练。set_value 方法为 Variable 类独有,它设置变量的值。若变量的值被改变,则计算图中所有下游节点的值都将作废,所以 set_value 方法调用 reset_value 方法递归清除本节点以及所有下游节点的值。Variable 对象的值是被赋予或被随机初始化的,所以它不用实现 compute 方法。Variable 对象没有父节点,它也不用实现 get_jacobi 方法。接下来我们实现向量加法节点,代码如下:


class Add(Node):    """    向量加法    """
def compute(self): assert len(self.parents) == 2 and self.parents[0].dimension() == self.parents[1].dimension() self.value = self.parents[0].value + self.parents[1].value
def get_jacobi(self, parent): return np.eye(self.dimension()) # 向量之和对其中任一个向量的雅可比矩阵是单位矩阵
复制代码


Add 类的 compute 方法将两个父节点的值相加。get_jacobi 方法求当前 Add 对象对某一个父节点的雅可比矩阵。向量加法是一个 的映射,它对其中某一个参与加和的向量的雅可比矩阵是 单位矩阵。向量内积(点积)节点的代码如下:


class Dot(Node):    """    向量内积    """
def compute(self): assert len(self.parents) == 2 and self.parents[0].dimension() == self.parents[1].dimension() self.value = self.parents[0].value.T * self.parents[1].value # 1x1矩阵(标量),为两个父节点的内积
def get_jacobi(self, parent): if parent is self.parents[0]: return self.parents[1].value.T else: return self.parents[0].value.T
复制代码


在我们的实现中,值一律采用 numpy.matrix 类型,即矩阵。 维向量就是 矩阵,标量就是 矩阵。Dot 类的 compute 方法计算两个父节点的内积。因为节点的值是 numpy.matrix 类型,经过重载的*运算执行的是矩阵相乘,对于一个行向量(列向量的转置)和一个列向量来说,计算的结果是一个 矩阵(标量),即这两个向量的内积。get_jacobi 方法计算 Dot 节点对某一个父节点的雅可比矩阵,请看下式:



所以有:



内积对某个向量的雅可比矩阵是另一个向量的转置,这就是 Dot 类的 get_jacobi 方法所返回的值。接下来我们实现 Logistic 节点,它对父节点的每个分量施加 Logistic 函数,代码如下:


class Logistic(Node):    """    对向量的分量施加Logistic函数    """
def compute(self): x = self.parents[0].value self.value = np.mat(1.0 / (1.0 + np.power(np.e, np.where(-x > 1e2, 1e2, -x)))) # 对父节点的每个分量施加Logistic
def get_jacobi(self, parent): return np.diag(np.mat(np.multiply(self.value, 1 - self.value)).A1)
复制代码


可以利用 Logistic 函数的值方便地求得其导数。Logistic 类的 get_jacobi 方法利用已经计算好的 value 成员计算对父节点的雅可比矩阵。该雅可比矩阵是一个对角矩阵,对角线元素是 Logistic 函数对父节点某个分量的导数。类似地,ReLU 节点的代码如下:


class ReLU(Node):    """    对向量的分量施加ReLU函数    """
def compute(self): self.value = np.mat(np.where(self.parents[0].value > 0.0, self.parents[0].value, 0.0)) # 对父节点的每个分量施加 logistic
def get_jacobi(self, parent): return np.diag(np.where(self.parents[0].value.A1 > 0.0, 1.0, 0.0))
复制代码


ReLU 节点的值和雅可比矩阵都很容易计算,代码自明,不再赘述。我们的计算图只操作向量,没有矩阵乘法,但是通过多个向量内积可以实现矩阵乘法。比如神经网络中常见的仿射计算——用权值矩阵乘以输入向量,这时可以将权值矩阵的每一行作为权值向量,求它们与输入向量的内积,再将多个内积结果组成向量。Vectorize 节点负责将多个父节点的值(都应该是 标量)组成一个向量,代码如下:


class Vectorize(Node):    """    将多个父节点组装成一个向量    """
def compute(self): assert len(self.parents) > 0 self.value = np.mat(np.array([node.value for node in self.parents])).T # 将本节点的父节点的值列成向量
def get_jacobi(self, parent): return np.mat([node is parent for node in self.parents]).astype(np.float).T
复制代码


对于某一个父节点来说,Vectorize 节点是一个 的映射,它的雅可比矩阵是一个 矩阵,在对应该父节点的位置上的分量为 1,其余分量为 0。接下来,我们实现 SoftMax 节点,代码如下:


class SoftMax(Node):    """    SoftMax函数    """
@staticmethod def softmax(a): a[a > 1e2] = 1e2 # 防止指数过大 ep = np.power(np.e, a) return ep / np.sum(ep)
def compute(self): self.value = SoftMax.softmax(self.parents[0].value)
def get_jacobi(self, parent): """ 我们不实现SoftMax节点的get_jacobi函数,训练时使用CrossEntropyWithSoftMax节点(见下) """ return np.mat(np.eye(self.dimension())) # 无用
复制代码


SoftMax 节点执行的计算我们已经很熟悉了,但是我们不实现它的 get_jacobi 方法,因为计算 SoftMax 函数对输入向量的雅可比矩阵较复杂,但是如果将 SoftMax 函数的输出送给交叉熵,计算交叉熵损失对 SoftMax 函数的输入向量的雅可比矩阵是相当简单的,所以我们实现一个将 SoftMax 函数与交叉熵损失合二为一的节点类,代码如下:


class CrossEntropyWithSoftMax(Node):    """    对第一个父节点施加SoftMax之后,再以第二个父节点为标签One-Hot向量计算交叉熵    """
def compute(self): prob = SoftMax.softmax(self.parents[0].value) self.value = np.mat(-np.sum(np.multiply(self.parents[1].value, np.log(prob + 1e-10))))
def get_jacobi(self, parent): # 这里存在重复计算,但为了代码清晰简洁,舍弃进一步优化 prob = SoftMax.softmax(self.parents[0].value) if parent is self.parents[0]: return (prob - self.parents[1].value).T else: return (-np.log(prob)).T
复制代码


CrossEntropyWithSoftMax 节点的 compute 方法对第一个父节点的值施加 SoftMax 函数,再与第二个父节点的值计算交叉熵。第二个父节点的值是类别标签的 One-Hot 编码向量。get_jacobi 方法对第一个父节点计算雅可比,对第二个父节点的雅可比矩阵不会被使用,但是也实现在此。


至此,我们实现了几种典型的计算图节点,它们对于我们接下来要做的事情已经足够。有兴趣的读者可以自己实现一些其他类型的节点。接下来我们实现 Graph 类,代码如下:


class Graph:    """    计算图类    """
def __init__(self): self.nodes = [] # 计算图内的节点的列表
def add_node(self, node): """ 添加节点 """ self.nodes.append(node)
def clear_jacobi(self): """ 清除图中全部节点的雅可比矩阵 """ for node in self.nodes: node.clear_jacobi()
def reset_value(self): """ 重置图中全部节点的值 """ for node in self.nodes: node.reset_value(False) # 每个节点不递归清除自己的子节点的值
def draw(self): try: import networkx as nx import matplotlib.pyplot as plt except: raise Exception("Need Module networkx") G = nx.Graph() already = [] labels = {} for node in self.nodes: labels[node] = node.__class__.__name__ for c in node.get_children(): if set([node, c]) not in already: G.add_edge(node, c) for p in node.get_parents(): if set([node, p]) not in already: G.add_edge(node, p) fig = plt.figure(figsize=(12, 12)) ax = fig.add_subplot(111) ax.axis("off") pos = nx.spring_layout(G) nx.draw_networkx_nodes(G, pos, nodelist=[n for n in self.nodes if n.__class__.__name__ == "Variable"], node_color="y", node_shape="s", node_size=2000, ax=ax) nx.draw_networkx_nodes(G, pos, nodelist=[n for n in self.nodes if n.__class__.__name__ != "Variable"], node_color="b", node_size=2000, ax=ax) nx.draw_networkx_edges(G, pos, width=1, ax=ax) nx.draw_networkx_labels(G, pos, labels=labels, font_size=8, font_family='sans-serif', ax=ax) plt.savefig("computing_graph.png") # save as png

# 全局默认计算图default_graph = Graph()
复制代码


我们的 Graph 类较简单,它只保留计算图的全部节点,实现清除所有节点的雅可比矩阵和值的方法。default_graph 是一个全局的 Graph 对象,默认情况下所有节点都将被加入到 default_graph 中。最后,我们实现训练优化器类。所有优化器类都继承自一个基类,代码如下:


from graph import Graph, default_graphfrom node import *

class Optimizer: """ 优化器基类 """
def __init__(self, graph, target, batch_size=12): assert isinstance(target, Node) and isinstance(graph, Graph) self.graph = graph self.target = target self.batch_size = batch_size
# 为每个参与训练的节点累加一个Mini Batch的全部样本的梯度 self.acc_gradient = dict() self.acc_no = 0
def one_step(self): """ 计算并累加样本的梯度,一个Mini Batch结束后执行变量更新 """ self.forward_backward()
self.acc_no += 1 if self.acc_no >= self.batch_size: self.update() self.acc_gradient.clear() # 清除梯度累加 self.acc_no = 0 # 清除计数
def get_gradient(self, node): """ 返回一个Mini Batch的样本的平均梯度 """ assert node in self.acc_gradient return self.acc_gradient[node] / self.batch_size
def update(self): """ 抽象方法,利用梯度更新可训练变量 """
pass
def forward_backward(self): """ 前向传播计算结果节点的值并反向传播计算结果节点对各个节点的梯度 """
# 前向传播计算结果节点 self.target.forward()
# 反向传播计算梯度 for node in self.graph.nodes: if isinstance(node, Variable) and node.trainable: node.backward(self.target)
if node not in self.acc_gradient: self.acc_gradient[node] = node.jacobi.T else: self.acc_gradient[node] += node.jacobi.T
# 更新完毕,清除计算图中所有节点的雅可比矩阵 self.graph.clear_jacobi()
复制代码


Optimizer 类的构造函数接受一个 Graph 对象,一个作为优化目标的节点对象,以及 Mini Batch 的样本数量。因为我们的计算图节点只能包含一个向量,所以不能利用更高的维度在节点值中包含整个 Mini Batch 。于是,我们对 Mini Batch 的实现是这样的:对一个 Mini Batch 中的样本依次执行前向传播和反向传播,将参与训练的变量的梯度累加在 acc_gradient 中,一个 Mini Batch 计算完毕后执行变量更新,这时使用 Mini Batch 中多个样本的平均梯度。


one_step 方法调用 forward_backward 方法对一个样本执行前向传播和反向传播,将目标节点对各个变量的梯度累加在 acc_gradient 中,最后清除所有节点的雅可比矩阵。one_step 方法计数样本数,当样本数达到 batch_size 时,执行 update 方法更新变量,并清除累加梯度以及计数。get_gradient 方法返回一个 Mini Batch 的所有样本的平均梯度。


update 是抽象方法,利用 Mini Batch 的平均梯度以各种不同的方法更新变量值。update 方法将在具体的优化器类中得到实现。forward_backward 方法执行前向传播,计算目标节点的值,然后反向传播计算目标节点对每个参与训练的变量节点的雅可比矩阵。原始梯度下降的优化器实现如下:


class GradientDescent(Optimizer):    """    梯度下降优化器    """
def __init__(self, graph, target, learning_rate=0.01, batch_size=32): Optimizer.__init__(self, graph, target, batch_size) self.learning_rate = learning_rate
def update(self):
for node in self.graph.nodes: if isinstance(node, Variable) and node.trainable: gradient = self.get_gradient(node)
node.set_value(node.value - self.learning_rate * gradient)
复制代码


除了 Optimizer 类的参数,GradientDescent 类的构造函数还接受 learning_rate 参数,即学习率。GradientDescent 类的 update 方法相当简单,就是获得平均梯度,乘以学习率并取反后更新到变量节点的当前值上。RMSProp 和 Adam 优化器的代码如下:


class RMSProp(Optimizer):    """    RMSProp优化器    """
def __init__(self, graph, target, learning_rate=0.01, beta=0.9, batch_size=32): Optimizer.__init__(self, graph, target, batch_size) self.learning_rate = learning_rate
assert 0.0 < beta < 1.0 self.beta = beta
self.s = dict()
def update(self):
for node in self.graph.nodes: if isinstance(node, Variable) and node.trainable: gradient = self.get_gradient(node)
if node not in self.s: self.s[node] = np.power(gradient, 2) else: self.s[node] = self.beta * self.s[node] + (1 - self.beta) * np.power(gradient, 2)
node.set_value(node.value - self.learning_rate * gradient / (np.sqrt(self.s[node] + 1e-10)))

class Adam(Optimizer): """ Adam优化器 """
def __init__(self, graph, target, learning_rate=0.01, beta_1=0.9, beta_2=0.99, batch_size=32): Optimizer.__init__(self, graph, target, batch_size) self.learning_rate = learning_rate
assert 0.0 < beta_1 < 1.0 self.beta_1 = beta_1
assert 0.0 < beta_2 < 1.0 self.beta_2 = beta_2
self.s = dict() self.v = dict()
def update(self):
for node in self.graph.nodes: if isinstance(node, Variable) and node.trainable: gradient = self.get_gradient(node)
if node not in self.s: self.v[node] = gradient self.s[node] = np.power(gradient, 2) else: self.v[node] = self.beta_1 * self.v[node] + (1 - self.beta_1) * gradient self.s[node] = self.beta_2 * self.s[node] + (1 - self.beta_2) * np.power(gradient, 2)
node.set_value(node.value - self.learning_rate * self.v[node] / np.sqrt(self.s[node] + 1e-10))
复制代码


关于 RMSProp 和 Adam ,专栏之前的文章已经有了详细论述和 Python 实现,这里只是把相同逻辑实现在我们的计算图优化器框架内,就不再详细解释了。有兴趣的读者可以自己实现其他优化器。最后,我们用这个计算图框架搭建一个多层全连接神经网络,并用它分类 MNIST 手写数字,代码如下:


import matplotlib.pyplot as pltimport numpy as npimport seaborn as snsfrom sklearn.metrics import accuracy_score, classification_report, confusion_matrixfrom tensorflow.examples.tutorials.mnist import input_data
from node import *from optimizer import *
mnist = input_data.read_data_sets("E:/train_pic/mnist_dataset/", one_hot=True)train_x = mnist.train.imagestrain_y = mnist.train.labels
test_x = mnist.test.imagestest_y = mnist.test.labels
hidden_layer_neuro = 90output_layer_neuro = 10
# 构造多分类逻辑回归计算图,输入变量X = Variable(784, trainable=False)
# 隐藏层神经元layer = []for i in range(hidden_layer_neuro): layer.append(Add(Dot(Variable(784, True), X), Variable(1, True)))
# 隐藏层的输出hidden_output = ReLU(Vectorize(*layer))
# 输出层神经元layer = []for i in range(output_layer_neuro): layer.append(Add(Dot(Variable(hidden_layer_neuro, True), hidden_output), Variable(1, True)))
# 输出层仿射值施加SoftMax后的概率值o = Vectorize(*layer)prob = SoftMax(o)
# 训练标签label = Variable(output_layer_neuro, trainable=False)
# 交叉熵损失loss = CrossEntropyWithSoftMax(o, label)
# 绘制计算图default_graph.draw()
# Adam优化器optimizer = Adam(default_graph, loss, 0.01, batch_size=32)
# 训练for e in range(6):
# 每个epoch在测试集上评估模型正确率 probs = [] losses = [] for i in range(len(test_x)): X.set_value(np.mat(test_x[i, :]).T) label.set_value(np.mat(test_y[i, :]).T)
# 前向传播计算概率 prob.forward() probs.append(prob.value.A1)
# 计算损失值 loss.forward() losses.append(loss.value[0, 0])
# 取概率最大的类别为预测类别 pred = np.argmax(np.array(probs), axis=1) truth = np.argmax(test_y, axis=1) accuracy = accuracy_score(truth, pred)
print("Epoch: {:d},测试集损失值:{:.3f},测试集正确率:{:.2f}%".format(e + 1, np.mean(losses), accuracy * 100))
for i in range(len(train_x)): X.set_value(np.mat(train_x[i, :]).T) label.set_value(np.mat(train_y[i, :]).T)
# 执行一步优化 optimizer.one_step()
# 计算Mini Batch上的损失 if i % 500 == 0: loss.forward() print("Iteration: {:d}, Mini Batch损失值:{:.3f}".format(i + 1, loss.value[0, 0]))
# 训练结束后打印最终评价print("验证集正确率:{:.3f}".format(accuracy_score(truth, pred)))print(classification_report(truth, pred))
复制代码


以下代码用我们的计算图构造了一个 10 特征、3 类别的多分类逻辑回归模型,将该模型的 logit 值 ( SoftMax 的输入 ) 送给 CrossEntropyWithSoftMax 节点,施加 SoftMax 后与类别 One-Hot 向量计算交叉熵,最后绘制计算图:


from node import *

# 构造多分类逻辑回归计算图,输入变量X = Variable(10, trainable=False)
# 3 个权值向量和偏置,计算出三个logitlogits = []for i in range(3): logits.append(Add(Dot(Variable(10, True), X), Variable(1, True)))
# 将3个logit值组装成一个向量logits = Vectorize(*logits)
# 对logit向量施加SoftMax得到输出概率prob = SoftMax(logits)
# 训练标签,3个类别的One-Hot编码向量label = Variable(3, trainable=False)
# 用logit计算SoftMax后与label计算交叉熵损失loss = CrossEntropyWithSoftMax(logits, label)
# 绘制计算图default_graph.draw()
复制代码


该计算图如下:



10 特征、3 类别多分类逻辑回归计算图

4 小结

本文介绍了计算图,大部分神经网络都可以用计算图表示。以计算图中的一个节点为最终结果,可以计算它对其他节点的雅可比,这就是计算图的自动求导。在神经网络语境下,自动求导可看作是广义的反向传播。


作者介绍


张觉非,本科毕业于复旦大学,硕士毕业于中国科学院大学,先后任职于新浪微博、阿里,目前就职于奇虎 360,任机器学习技术专家。


本文来自 DataFun 社区


原文链接


https://shimo.im/sheets/WHrazKQV5A0O4kne/Z9yox


公众号推荐:

2024 年 1 月,InfoQ 研究中心重磅发布《大语言模型综合能力测评报告 2024》,揭示了 10 个大模型在语义理解、文学创作、知识问答等领域的卓越表现。ChatGPT-4、文心一言等领先模型在编程、逻辑推理等方面展现出惊人的进步,预示着大模型将在 2024 年迎来更广泛的应用和创新。关注公众号「AI 前线」,回复「大模型报告」免费获取电子版研究报告。

AI 前线公众号
2019-07-02 08:007505

评论

发布
暂无评论
发现更多内容

泰山众筹4.0sun模式开发系统技术

薇電13242772558

智能合约

【知识点】如何快速开发、部署 Serverless 应用?

Serverless Devs

WorkPlus即时通讯软件,专注于企业信息安全可靠的企业IM

WorkPlus

DTC补货实战:从算法到落地

观远数据

人工智能 BI DTC

得物商家客服桌面端Electron技术实践

得物技术

node.js 前端 前端架构 Electron 客户端开发

低代码开发平台 打开数字化转型普惠之门

力软低代码开发平台

Camtasia2023汉化中文版电脑屏幕录像和编辑的软件

茶色酒

Camtasia2023

音频编辑服务UI SDK接入指导及常见问题

HMS Core

HMS Core

可变二维码,玩转“码”上时代

旺链科技

区块链 区块链技术 区块链溯源

AirServer2024免费的手机投屏电脑软件

茶色酒

AirServer AirServer2023

DataEase 启动异常如何解决:Access denied for user 'root'@'xx.xx.xx.xxx' (using password YES)

搞大屏的小北

DataEase

一文读懂SCADA系统的组件功能及应用

2D3D前端可视化开发

组态软件 工业组态软件 web组态软件 SCADA

函数计算|如何使用层解决依赖包问题?

Serverless Devs

微软提出 TinyMIM,首次用掩码预训练改进小型 ViT

Zilliz

CrossOver2023MAC电脑切换win系统打造的虚拟机软件

茶色酒

CrossOver2023

CMAE 结合对比学习和掩码,提高表征辨别力

Zilliz

营销大数据如何帮助企业深入了解客户-镭速

镭速

SR锁存器与D锁存器设计与建模

timerring

FPGA

《数字经济全景白皮书》后疫情时代数字化驱动增长洞察之赛道篇

易观分析

数字经济 数智化转型

持续耕耘显卡市场,英特尔锐炫驱动重大升级

科技之家

微盟全链路压测:如何帮助电商业务实现10倍性能提升?

TakinTalks稳定性社区

高密度 ARM 服务器如何引领“数智时代”发展,打通“智变质变”正循环

蓝海大脑GPU

深度学习 并行计算 arm架构 高性能计算 ARM服务器

一体化移动办公平台,让政企工作更轻松、更便捷

WorkPlus

英雄互娱|提升 300% !一次性能优化实战记录

观测云

可观测性 可观测 观测云 可观测性用观测云

新增模型服务、训练记录、源代码关联追溯,助力模型全生命周期管理|ModelWhale 版本更新

ModelWhale

人工智能 机器学习 云计算 数据分析 编程建模

英特尔锐炫DX9,DX11,DX12游戏性能持续提升,个别游戏高达87%

科技之家

《流浪地球2》的现实倒影(一):从量子计算机到MOSS

脑极体

量子计算机 小苔藓 流浪地球 MOSS

数据结构-Hash常见操作实践

杨充

Kratos微服务框架实现权鉴 - Zanzibar

喵个咪

golang 微服务 鉴权 Kratos Docker 镜像

2023最新版网络安全保姆级指南,从0基础进阶网络攻防工程师

网络安全学海

运维 网络安全 信息安全 渗透测试 漏洞挖掘

开年直播 | 博睿数据创始人兼CTO对话InfoQ,聊聊2023年重要战略技术趋势:可观测性

博睿数据

可观测性 博睿数据 媒体声音

计算图反向传播的原理及实现_文化 & 方法_DataFunTalk_InfoQ精选文章