PyTorch Tutorial 05 - Optimizing Model Parameters

Optimizing Model Parameters — PyTorch Tutorials 2.10.0+cu128 documentation

本文是 PyTorch 官方 Tutorial 中 Optimizing Model Parameters 部分的学习记录，主要内容为训练、验证和测试模型

加载数据集和模型架构

见前文的FashionMNIST数据集和定义的mlp网络

import torch
from torch import nn
from torch.utils.data import DataLoader
from torchvision import datasets
from torchvision.transforms import ToTensor

training_data = datasets.FashionMNIST(
    root= "data",
    train=True,
    download=True,
    transform=ToTensor()
)

test_data = datasets.FashionMNIST(
    root="data",
    train=False,
    download=True,
    transform=ToTensor()
)

train_dataloader = DataLoader(training_data , batch_size=64)
test_dataloader = DataLoader(test_data , batch_size=64)

class NeuralNetwork(nn.Module):
    def __init__(self):
        super().__init__()
        self.flatten = nn.Flatten()
        self.linear_relu_stack = nn.Sequential(
            nn.Linear(28*28 , 512),
            nn.ReLU(),
            nn.Linear(512,512),
            nn.ReLU(),
            nn.Linear(512,10),
        )
  
    def forward(self , x):
        x = self.flatten(x)
        logits = self.linear_relu_stack(x)
        return logits
  
model = NeuralNetwork()

定义超参数

# 定义超参
learning_rate = 1e-3
batch_size = 64
epochs = 5

learning_rate/学习率：在每个批次/轮次中更新模型参数的程度。小了学的慢大了可能炸。直观上说，等于梯度下降的时候一步走多远（见前文3B1B视频）
Batch Size/批大小：在更新网络参数前，通过网络传播的数据样本数量

Batch Size 和显存（GPU 显存）关系非常大，而且这是最直接限制 batch size 的因素之一

Batch Size 也和 Learning Rate 强相关

Batch Size 不是越大越好（和学习效果有关）

OOM带不起大batch怎么办？可以用pytorch梯度累积假装大batch，后面为什么要清空梯度和这个操作有关系

epochs/训练轮数：遍历数据集的迭代次数

定义损失函数

损失函数衡量所得结果与目标值之间的差异程度，而训练过程中我们要最小化的正是这个损失函数。
为了计算损失，我们使用给定数据样本的输入进行预测，并将其与真实的数据标签值进行比较。

# Initialize the loss function
loss_fn = nn.CrossEntropyLoss()

常见的损失函数包括用于回归任务的 nn.MSELoss（均方误差），以及用于分类任务的 nn.NLLLoss（负对数似然）。
nn.CrossEntropyLoss 结合了 nn.LogSoftmax 和 nn.NLLLoss。

所以 nn.CrossEntropyLoss直接吃 logits（没 softmax 的原始输出）+ 类别标签 y（整型类标）

定义优化器

优化是在每个训练步骤中调整模型参数以减少模型误差的过程。优化算法定义了如何执行此过程
所有优化逻辑都封装在 optimizer 对象中。这里使用 SGD 优化器(Stochastic Gradient Descent)

optimizer = torch.optim.SGD(model.parameters(), lr=learning_rate)

通过注册模型中需要训练的参数，并传入学习率超参数来初始化优化器。

所有基于梯度的优化器需要 zero_grad()

训练循环

其它代码见详细实现。这里讲下核心步骤

在训练循环内部，优化过程分为三个步骤：

调用 optimizer.zero_grad() 来重置模型参数的梯度。梯度默认是累加的；（见上文batchsize，以及可以支持复杂loss和多任务学习)。为了防止重复计算，我们在每次迭代时显式地将它们清零。（忘了写可能导致loss爆炸）
通过调用 loss.backward() 来反向传播预测损失。(=自动求导 + 反向传播 + 把梯度存在grad里面，注意：它只算，不更新参数。)
调用 optimizer.step() 来根据反向传播过程中收集到的梯度调整参数。

详细实现:

def train_loop(dataloader , model, loss_fn , optimizer):
    size = len(dataloader.dataset)
    model.train() # 开dropout和BatchNorm

    for batch , (X ,y) in enumerate(dataloader):

        pred = model(X) # 此轮预测输出
        loss = loss_fn(pred , y) # 求误差

        loss.backward() # 反向传播算梯度
        optimizer.step() # 更新模型参数
        optimizer.zero_grad() #清空梯度

        if batch % 100 == 0:
            loss , current = loss.item() , batch * batch_size + len(X)
            print(f"loss: {loss:>7f} [{current:>5d}/{size:>5d}]")

训练模式和验证模式

model.train() 把模型切到 训练模式（training mode）。

主要影响：

Dropout

train 模式：随机丢弃一部分神经元（起正则化作用）
eval 模式：不丢弃，全部启用，并且按规则缩放（保证推理稳定）

BatchNorm（批归一化）

train 模式：用当前 batch 的均值/方差做归一化，并更新 running_mean / running_var
eval 模式：不再用当前 batch 的统计量，而是用训练时累计的 running_mean / running_var（保证推理一致）

所以：

训练前一般写 model.train()
验证/推理前一般写 model.eval()

完整实现

def train_loop(dataloader , model, loss_fn , optimizer):
    size = len(dataloader.dataset)
    model.train() # 开dropout和BatchNorm

    for batch , (X ,y) in enumerate(dataloader):

        pred = model(X) # 此轮预测输出
        loss = loss_fn(pred , y) # 求误差

        loss.backward() # 反向传播算梯度
        optimizer.step() # 更新模型参数
        optimizer.zero_grad() #清空梯度

        if batch % 100 == 0:
            loss , current = loss.item() , batch * batch_size + len(X)
            print(f"loss: {loss:>7f} [{current:>5d}/{size:>5d}]")

def test_loop(dataloader, model, loss_fn):
    # Set the model to evaluation mode - important for batch normalization and dropout layers
    # Unnecessary in this situation but added for best practices
    model.eval()
    size = len(dataloader.dataset)
    num_batches = len(dataloader)
    test_loss, correct = 0, 0

    # Evaluating the model with torch.no_grad() ensures that no gradients are computed during test mode
    # also serves to reduce unnecessary gradient computations and memory usage for tensors with requires_grad=True
    with torch.no_grad():
        for X, y in dataloader:
            pred = model(X)
            test_loss += loss_fn(pred, y).item()
            correct += (pred.argmax(1) == y).type(torch.float).sum().item() # 这个 batch 里预测对了多少个。

    test_loss /= num_batches # Avg loss = 所有 batch 的 loss 平均
    correct /= size
    print(f"Test Error: \n Accuracy: {(100*correct):>0.1f}%, Avg loss: {test_loss:>8f} \n")


# 定义超参
learning_rate = 1e-3
batch_size = 64
epochs = 5

# Optimization Loop

# Initialize the loss function
loss_fn = nn.CrossEntropyLoss() # 直接吃 logits（没 softmax 的原始输出）+ 类别标签 y（整型类标）。


# 优化：在每个训练步骤中调整模型参数以减少模型误差的过程。
# 优化器定义了如何执行此过程
optimizer = torch.optim.SGD(model.parameters(), lr=learning_rate) # SGD 随机梯度下降 Stochastic Gradient Descent


for t in range(epochs):
    print(f"Epoch {t+1}\n-------------------------------")
    train_loop(train_dataloader, model, loss_fn, optimizer)
    test_loop(test_dataloader, model, loss_fn)
print("Done!")

结果:

注意：本脚本未保存 checkpoint（未调用 torch.save），训练得到的参数只存在于当前运行进程内存中；重新运行脚本通常会重新初始化模型并从头训练。模型保存/加载见下一节。

PyTorch Tutorial 05 - Optimizing Model Parameters

加载数据集和模型架构

定义超参数

定义损失函数

定义优化器

训练循环

训练模式和验证模式

完整实现

评论