Hold Keras fit() og træn din model din vej

Indholdsoversigt

• Introduktion
• Setup
• Det første enkle eksempel
• Gå til lavere niveau
• Understøttelse af sample_weight & class_weight
• Giv dit eget evalueringstrin
• Indpakning: et end-to-end GAN eksempel

Introduktion

Når du udfører overvåget læring, kan dufit()Og alt fungerer smidigt.

Når du har brug for at skrive din egen træningsloop fra bunden, kan du brugeGradientTapeHold styr på hver eneste lille detalje.

Men hvad hvis du har brug for en brugerdefineret træningsalgoritme, men du stadig ønsker at drage fordel af de praktiske funktioner ifit(), såsom callbacks, indbygget distributionsstøtte eller trin fusion?

Et grundlæggende princip i Keras erprogressive disclosure of complexityDu bør altid være i stand til at komme ind i arbejdsprocesser på lavere niveau gradvist. Du bør ikke falde ud af en klippe, hvis funktionaliteten på højt niveau ikke passer præcis til din brugssituation. Du bør være i stand til at få mere kontrol over de små detaljer, mens du bevarer en passende mængde bekvemmelighed på højt niveau.

Når du har brug for at tilpasse hvadfit()gør, du børoverride the training step function of the ModelDette er den funktion, der kaldesfit()for hver batch af data. Du vil derefter kunne ringe tilfit()Som sædvanlig - og det vil køre din egen læringsalgoritme.

Bemærk, at dette mønster ikke forhindrer dig i at opbygge modeller med det funktionelle API.Sequentialmodeller, funktionelle API-modeller eller underklasserede modeller.

Lad os se, hvordan det virker.

Setup

Kræver TensorFlow 2.8 eller nyere.

import tensorflow as tf
from tensorflow import keras

Det første enkle eksempel

Lad os starte med et simpelt eksempel:

• Vi opretter en ny klasse, der underklasser keras.Model.
• Vi overrider kun metoden train_step (selv, data).
• Vi returnerer en ordbog mapping metriske navne (herunder tab) til deres nuværende værdi.

Indgangsargumentetdataer, hvad der passerer til at passe som træningsdata:

• Hvis du passerer Numpy arrayer, ved at kalde fit(x, y, ...), så data vil være tuple (x, y)
• Hvis du passerer en tf.data.Dataset, ved at kalde fit(dataset, ...), så vil data være, hvad der bliver produceret af dataset ved hver batch.

I kroppen af dentrain_stepVi implementerer en regelmæssig træningsopdatering, der ligner det, du allerede er bekendt med.we compute the loss via self.compute_loss()Den, der har forladt den, der har forladtcompile().

På samme måde kalder vimetric.update_state(y, y_pred)Metrik fraself.metrics, for at opdatere tilstanden af de metrikker, der blev gennemført icompile()Vi søger efter resultater fraself.metricstil sidst at genvinde deres nuværende værdi.

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.compute_loss(y=y, y_pred=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))
        # Update metrics (includes the metric that tracks the loss)
        for metric in self.metrics:
            if metric.name == "loss":
                metric.update_state(loss)
            else:
                metric.update_state(y, y_pred)
        # Return a dict mapping metric names to current value
        return {m.name: m.result() for m in self.metrics}

Lad os prøve dette ud:

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 [==============================] - 3s 2ms/step - loss: 1.6446
Epoch 2/3
32/32 [==============================] - 0s 2ms/step - loss: 0.7554
Epoch 3/3
32/32 [==============================] - 0s 2ms/step - loss: 0.3924
<keras.src.callbacks.History at 0x7fef5c11ba30>

Gå til lavere niveau

Naturligvis kunne du bare hoppe over at passere en tabsfunktion icompile()I stedet for at gøre altmanueltitrain_stepDet samme gør sig gældende for metrics.

Her er et eksempel på et lavere niveau, som kun brugercompile()Sådan konfigureres optimeringen:

• Vi starter med at oprette Metriske forekomster til at spore vores tab og en MAE score (i __init__()).
• Vi implementerer en brugerdefineret train_step() som opdaterer tilstanden af disse metrikker (ved at kalde update_state() på dem), derefter forespørge dem (via result()) for at returnere deres nuværende gennemsnitlige værdi, for at blive vist af fremskridtslinjen og for at blive passet til enhver opkald.
• Bemærk, at vi ville have brug for at kalde reset_states() på vores metrikker mellem hver epoke! Ellers ville kalde resultat() returnere et gennemsnit siden starten af træningen, mens vi normalt arbejder med gennemsnit per epoke. Heldigvis kan rammen gøre det for os: bare liste alle metrikker, du vil nulstille i modelens metrikegenskab. Modellen vil kalde reset_states() på ethvert objekt, der er angivet her i begyndelsen af hver fit() epoke eller i begyndelsen af et opkald til at evaluere().

class CustomModel(keras.Model):
    def __init__(self, *args, **kwargs):
        super().__init__(*args, **kwargs)
        self.loss_tracker = keras.metrics.Mean(name="loss")
        self.mae_metric = keras.metrics.MeanAbsoluteError(name="mae")

    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
        self.loss_tracker.update_state(loss)
        self.mae_metric.update_state(y, y_pred)
        return {"loss": self.loss_tracker.result(), "mae": self.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 [self.loss_tracker, self.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 pass 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 2ms/step - loss: 0.3240 - mae: 0.4583
Epoch 2/5
32/32 [==============================] - 0s 2ms/step - loss: 0.2416 - mae: 0.3984
Epoch 3/5
32/32 [==============================] - 0s 2ms/step - loss: 0.2340 - mae: 0.3919
Epoch 4/5
32/32 [==============================] - 0s 2ms/step - loss: 0.2274 - mae: 0.3870
Epoch 5/5
32/32 [==============================] - 0s 2ms/step - loss: 0.2197 - mae: 0.3808
<keras.src.callbacks.History at 0x7fef3c130b20>

Støttesample_weightogclass_weight

Du har måske bemærket, at vores første grundlæggende eksempel ikke gjorde nogen henvisning til prøvevægtning.fit()Argumentersample_weightogclass_weightDu ville simpelthen gøre følgende:

• Unpack sample_weight fra dataargumentet
• Overfør det til compute_loss & update_state (selvfølgelig kan du også bare anvende det manuelt, hvis du ikke er afhængig af compile() for tab & metrics)
• Det er det.

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.compute_loss(
                y=y,
                y_pred=y_pred,
                sample_weight=sample_weight,
            )

        # 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()`.
        for metric in self.metrics:
            if metric.name == "loss":
                metric.update_state(loss)
            else:
                metric.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: 0.1298
Epoch 2/3
32/32 [==============================] - 0s 2ms/step - loss: 0.1179
Epoch 3/3
32/32 [==============================] - 0s 2ms/step - loss: 0.1121
<keras.src.callbacks.History at 0x7fef3c168100>

Giv dit eget evalueringstrin

Hvad hvis du vil gøre det samme for opkald tilmodel.evaluate()Så ville du overdrivetest_stepSådan ser det ud: Her er hvordan det ser ud:

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.compute_loss(y=y, y_pred=y_pred)
        # Update the metrics.
        for metric in self.metrics:
            if metric.name != "loss":
                metric.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: 0.9028
0.9028095006942749

Indpakning: et end-to-end GAN eksempel

Lad os gå gennem et end-to-end eksempel, der udnytter alt, hvad du lige har lært.

Lad os overveje:

• Et generatornetværk var beregnet til at generere 28x28x1 billeder.
• Et diskriminatornetværk havde til formål at klassificere 28x28x1 billeder i to klasser ("falsk" og "rigtig").
• En optimist til hver.
• En tabsfunktion til at træne diskriminatoren.

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",
)

Her er en funktion-komplet GAN klasse, overridingcompile()at bruge sin egen signatur og implementere hele GAN-algoritmen i 17 linjer itrain_step:

class GAN(keras.Model):
    def __init__(self, discriminator, generator, latent_dim):
        super().__init__()
        self.discriminator = discriminator
        self.generator = generator
        self.latent_dim = latent_dim
        self.d_loss_tracker = keras.metrics.Mean(name="d_loss")
        self.g_loss_tracker = keras.metrics.Mean(name="g_loss")

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

        # Update metrics and return their value.
        self.d_loss_tracker.update_state(d_loss)
        self.g_loss_tracker.update_state(g_loss)
        return {
            "d_loss": self.d_loss_tracker.result(),
            "g_loss": self.g_loss_tracker.result(),
        }

Lad os teste det:

# 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
11490434/11490434 [==============================] - 0s 0us/step
100/100 [==============================] - 8s 15ms/step - d_loss: 0.4372 - g_loss: 0.8775
<keras.src.callbacks.History at 0x7feee42ff190>

Ideerne bag dyb læring er enkle, så hvorfor skulle deres implementering være smertefuld?

Oprindeligt offentliggjort på TensorFlow hjemmeside, denne artikel vises her under en ny overskrift og er licenseret under CC BY 4.0.