5.2. 参数管理¶
在选择了架构并设置了超参数后，我们就进入了训练阶段。 此时，我们的目标是找到使损失函数最小化的模型参数值。 经过训练后，我们将需要使用这些参数来做出未来的预测。 此外，有时我们希望提取参数，以便在其他环境中复用它们， 将模型保存下来，以便它可以在其他软件中执行， 或者为了获得科学的理解而进行检查。
之前的介绍中，我们只依靠深度学习框架来完成训练的工作， 而忽略了操作参数的具体细节。 本节，我们将介绍以下内容：
访问参数，用于调试、诊断和可视化；
参数初始化；
在不同模型组件间共享参数。
我们首先看一下具有单隐藏层的多层感知机。
from mindspore import nn, ops
from mindspore.common.initializer import Uniform, initializer
net = nn.SequentialCell([nn.Dense(4, 8), nn.ReLU(), nn.Dense(8, 1)])
X = ops.rand((2, 4))
net(X)
Tensor(shape=[2, 1], dtype=Float32, value=
[[-1.31420806e-01],
[-4.23702121e-01]])
import torch
from torch import nn
net = nn.Sequential(nn.Linear(4, 8), nn.ReLU(), nn.Linear(8, 1))
X = torch.rand(size=(2, 4))
net(X)
tensor([[-0.0323],
[ 0.0018]], grad_fn=<AddmmBackward0>)
5.2.1. 参数访问¶
我们从已有模型中访问参数。 当通过Sequential类定义模型时，
我们可以通过索引来访问模型的任意层。
这就像模型是一个列表一样，每层的参数都在其属性中。
如下所示，我们可以检查第二个全连接层的参数。
print(net[2].parameters_dict())
OrderedDict([('2.weight', Parameter (name=2.weight, shape=(1, 8), dtype=Float32, requires_grad=True)), ('2.bias', Parameter (name=2.bias, shape=(1,), dtype=Float32, requires_grad=True))])
print(net[2].state_dict())
OrderedDict([('weight', tensor([[ 0.1540, -0.1524, 0.2029, 0.0950, -0.1503, 0.3407, -0.1616, 0.0538]])), ('bias', tensor([-0.2031]))])
输出的结果告诉我们一些重要的事情： 首先，这个全连接层包含两个参数，分别是该层的权重和偏置。 两者都存储为单精度浮点数（float32）。 注意，参数名称允许唯一标识每个参数，即使在包含数百个层的网络中也是如此。
5.2.1.1. 目标参数¶
注意，每个参数都表示为参数类的一个实例。 要对参数执行任何操作，首先我们需要访问底层的数值。 有几种方法可以做到这一点。有些比较简单，而另一些则比较通用。 下面的代码从第二个全连接层（即第三个神经网络层）提取偏置， 提取后返回的是一个参数类实例，并进一步访问该参数的值。
print(type(net[2].bias))
print(net[2].bias)
print(net[2].bias.value())
<class 'abc.Parameter'>
Parameter (name=2.bias, shape=(1,), dtype=Float32, requires_grad=True)
[-0.09661776]
print(type(net[2].bias))
print(net[2].bias)
print(net[2].bias.data)
<class 'torch.nn.parameter.Parameter'>
Parameter containing:
tensor([-0.2031], requires_grad=True)
tensor([-0.2031])
参数是复合的对象，包含值、梯度和额外信息。 这就是我们需要显式参数值的原因。 除了值之外，我们还可以访问每个参数的梯度。 在上面这个网络中，由于我们还没有调用反向传播，所以参数的梯度处于初始状态。
net[2].weight.grad == None
True
5.2.1.2. 一次性访问所有参数¶
当我们需要对所有参数执行操作时，逐个访问它们可能会很麻烦。 当我们处理更复杂的块（例如，嵌套块）时，情况可能会变得特别复杂， 因为我们需要递归整个树来提取每个子块的参数。 下面，我们将通过演示来比较访问第一个全连接层的参数和访问所有层。
print(*[(name, param.shape) for name, param in net[0].parameters_dict().items()])
print(*[(name, param.shape) for name, param in net.parameters_dict().items()])
('0.weight', (8, 4)) ('0.bias', (8,))
('0.weight', (8, 4)) ('0.bias', (8,)) ('2.weight', (1, 8)) ('2.bias', (1,))
print(*[(name, param.shape) for name, param in net[0].named_parameters()])
print(*[(name, param.shape) for name, param in net.named_parameters()])
('weight', torch.Size([8, 4])) ('bias', torch.Size([8]))
('0.weight', torch.Size([8, 4])) ('0.bias', torch.Size([8])) ('2.weight', torch.Size([1, 8])) ('2.bias', torch.Size([1]))
这为我们提供了另一种访问网络参数的方式，如下所示。
net.parameters_dict()['2.bias'].value()
Tensor(shape=[1], dtype=Float32, value= [-9.66177583e-02])
net.state_dict()['2.bias'].data
tensor([-0.2031])
5.2.1.3. 从嵌套块收集参数¶
让我们看看，如果我们将多个块相互嵌套，参数命名约定是如何工作的。 我们首先定义一个生成块的函数（可以说是“块工厂”），然后将这些块组合到更大的块中。
def block1():
return nn.SequentialCell([nn.Dense(4, 8), nn.ReLU(),
nn.Dense(8, 4), nn.ReLU()])
def block2():
net = nn.SequentialCell()
for i in range(4):
# 在这里嵌套
net.append(block1())
return net
rgnet = nn.SequentialCell([block2(), nn.Dense(4, 1)])
rgnet(X)
Tensor(shape=[2, 1], dtype=Float32, value=
[[ 5.45102693e-02],
[ 5.45102693e-02]])
def block1():
return nn.Sequential(nn.Linear(4, 8), nn.ReLU(),
nn.Linear(8, 4), nn.ReLU())
def block2():
net = nn.Sequential()
for i in range(4):
# 在这里嵌套
net.add_module(f'block {i}', block1())
return net
rgnet = nn.Sequential(block2(), nn.Linear(4, 1))
rgnet(X)
tensor([[-0.0096],
[-0.0096]], grad_fn=<AddmmBackward0>)
设计了网络后，我们看看它是如何工作的。
print(rgnet)
SequentialCell(
(0): SequentialCell(
(0): SequentialCell(
(0): Dense(input_channels=4, output_channels=8, has_bias=True)
(1): ReLU()
(2): Dense(input_channels=8, output_channels=4, has_bias=True)
(3): ReLU()
)
(1): SequentialCell(
(0): Dense(input_channels=4, output_channels=8, has_bias=True)
(1): ReLU()
(2): Dense(input_channels=8, output_channels=4, has_bias=True)
(3): ReLU()
)
(2): SequentialCell(
(0): Dense(input_channels=4, output_channels=8, has_bias=True)
(1): ReLU()
(2): Dense(input_channels=8, output_channels=4, has_bias=True)
(3): ReLU()
)
(3): SequentialCell(
(0): Dense(input_channels=4, output_channels=8, has_bias=True)
(1): ReLU()
(2): Dense(input_channels=8, output_channels=4, has_bias=True)
(3): ReLU()
)
)
(1): Dense(input_channels=4, output_channels=1, has_bias=True)
)
print(rgnet)
Sequential(
(0): Sequential(
(block 0): Sequential(
(0): Linear(in_features=4, out_features=8, bias=True)
(1): ReLU()
(2): Linear(in_features=8, out_features=4, bias=True)
(3): ReLU()
)
(block 1): Sequential(
(0): Linear(in_features=4, out_features=8, bias=True)
(1): ReLU()
(2): Linear(in_features=8, out_features=4, bias=True)
(3): ReLU()
)
(block 2): Sequential(
(0): Linear(in_features=4, out_features=8, bias=True)
(1): ReLU()
(2): Linear(in_features=8, out_features=4, bias=True)
(3): ReLU()
)
(block 3): Sequential(
(0): Linear(in_features=4, out_features=8, bias=True)
(1): ReLU()
(2): Linear(in_features=8, out_features=4, bias=True)
(3): ReLU()
)
)
(1): Linear(in_features=4, out_features=1, bias=True)
)
因为层是分层嵌套的，所以我们也可以像通过嵌套列表索引一样访问它们。 下面，我们访问第一个主要的块中、第二个子块的第一层的偏置项。
rgnet[0][1][0].bias.value()
Tensor(shape=[8], dtype=Float32, value= [-1.41463935e-01, 3.31256509e-01, 4.59664226e-01, 4.15232331e-02, 3.21486354e-01, -1.22822206e-02, 6.90865889e-02, -4.68575448e-01])
rgnet[0][1][0].bias.data
tensor([-0.1838, 0.4298, -0.0177, 0.0446, -0.4949, -0.4320, 0.0924, 0.0711])
5.2.2. 参数初始化¶
知道了如何访问参数后，现在我们看看如何正确地初始化参数。 我们在 4.8节中讨论了良好初始化的必要性。 深度学习框架提供默认随机初始化， 也允许我们创建自定义初始化方法， 满足我们通过其他规则实现初始化权重。
默认情况下，MindSpore会使用Normal初始化权重矩阵， 偏置参数设置为0。
MindSpore的common.initializer模块中提供了各种初始化方法。
默认情况下，PyTorch会根据一个范围均匀地初始化权重和偏置矩阵，
这个范围是根据输入和输出维度计算出的。
PyTorch的nn.init模块提供了多种预置初始化方法。
5.2.2.1. 内置初始化¶
让我们首先调用内置的初始化器。 下面的代码将所有权重参数初始化为标准差为0.01的高斯随机变量， 且将偏置参数设置为0。
def init_normal(m):
if type(m) == nn.Dense:
m.weight.set_data(initializer('normal', m.weight.shape, m.weight.dtype))
m.bias.set_data(initializer('zeros', m.bias.shape, m.bias.dtype))
net.apply(init_normal)
net[0].weight.data[0], net[0].bias.data[0]
(Tensor(shape=[4], dtype=Float32, value= [-7.03959377e-04, 1.28101204e-02, -1.53673217e-02, -1.59187196e-03]),
Tensor(shape=[], dtype=Float32, value= 0))
def init_normal(m):
if type(m) == nn.Linear:
nn.init.normal_(m.weight, mean=0, std=0.01)
nn.init.zeros_(m.bias)
net.apply(init_normal)
net[0].weight.data[0], net[0].bias.data[0]
(tensor([ 0.0077, -0.0071, 0.0050, -0.0177]), tensor(0.))
我们还可以将所有参数初始化为给定的常数，比如初始化为1。
def init_constant(m):
if type(m) == nn.Dense:
m.weight.set_data(initializer('one', m.weight.shape, m.weight.dtype))
m.bias.set_data(initializer('zeros', m.bias.shape, m.bias.dtype))
net.apply(init_constant)
net[0].weight.data[0], net[0].bias.data[0]
(Tensor(shape=[4], dtype=Float32, value= [ 1.00000000e+00, 1.00000000e+00, 1.00000000e+00, 1.00000000e+00]),
Tensor(shape=[], dtype=Float32, value= 0))
def init_constant(m):
if type(m) == nn.Linear:
nn.init.constant_(m.weight, 1)
nn.init.zeros_(m.bias)
net.apply(init_constant)
net[0].weight.data[0], net[0].bias.data[0]
(tensor([1., 1., 1., 1.]), tensor(0.))
我们还可以对某些块应用不同的初始化方法。 例如，下面我们使用Xavier初始化方法初始化第一个神经网络层， 然后将第三个神经网络层初始化为常量值42。
def init_xavier(m):
if type(m) == nn.Dense:
m.weight.set_data(initializer('xavier_uniform', m.weight.shape, m.weight.dtype))
def init_42(m):
if type(m) == nn.Dense:
m.weight.set_data(initializer(42, m.weight.shape, m.weight.dtype))
net[0].apply(init_xavier)
net[2].apply(init_42)
print(net[0].weight.data[0])
print(net[2].weight.data.value())
[ 0.67527854 0.31270772 0.20053129 -0.29991123]
[[42. 42. 42. 42. 42. 42. 42. 42.]]
def init_xavier(m):
if type(m) == nn.Linear:
nn.init.xavier_uniform_(m.weight)
def init_42(m):
if type(m) == nn.Linear:
nn.init.constant_(m.weight, 42)
net[0].apply(init_xavier)
net[2].apply(init_42)
print(net[0].weight.data[0])
print(net[2].weight.data)
tensor([-0.6666, 0.0822, 0.5257, 0.5681])
tensor([[42., 42., 42., 42., 42., 42., 42., 42.]])
5.2.2.2. 自定义初始化¶
有时，深度学习框架没有提供我们需要的初始化方法。 在下面的例子中，我们使用以下的分布为任意权重参数\(w\)定义初始化方法：
(5.2.1)¶\[\begin{split}\begin{aligned}
w \sim \begin{cases}
U(5, 10) & \text{ 可能性 } \frac{1}{4} \\
0 & \text{ 可能性 } \frac{1}{2} \\
U(-10, -5) & \text{ 可能性 } \frac{1}{4}
\end{cases}
\end{aligned}\end{split}\]
同样，我们实现了一个my_init函数来应用到net。
def my_init(m):
if type(m) == nn.Dense:
print("Init", *[(name, param.shape)
for name, param in m.parameters_dict().items()][0])
m.weight.set_data(initializer(Uniform(scale=10), m.weight.shape, m.weight.dtype))
m.weight.data[:] *= (m.weight.data.abs() >= 5)
net.apply(my_init)
net[0].weight[:2]
Init 0.weight (8, 4)
Init 2.weight (1, 8)
Tensor(shape=[2, 4], dtype=Float32, value=
[[-0.00000000e+00, -0.00000000e+00, 0.00000000e+00, 0.00000000e+00],
[-0.00000000e+00, -0.00000000e+00, -0.00000000e+00, 5.32515860e+00]])
def my_init(m):
if type(m) == nn.Linear:
print("Init", *[(name, param.shape)
for name, param in m.named_parameters()][0])
nn.init.uniform_(m.weight, -10, 10)
m.weight.data *= m.weight.data.abs() >= 5
net.apply(my_init)
net[0].weight[:2]
Init weight torch.Size([8, 4])
Init weight torch.Size([1, 8])
tensor([[-8.9009, 0.0000, -7.2894, 9.6437],
[ 0.0000, -6.8565, 7.6186, 8.8137]], grad_fn=<SliceBackward0>)
注意，我们始终可以直接设置参数。
net[0].weight.data[:] += 1
net[0].weight.data[0, 0] = 42
net[0].weight.data[0]
Tensor(shape=[4], dtype=Float32, value= [ 4.20000000e+01, 1.00000000e+00, 1.00000000e+00, 1.00000000e+00])
net[0].weight.data[:] += 1
net[0].weight.data[0, 0] = 42
net[0].weight.data[0]
tensor([42.0000, 1.0000, -6.2894, 10.6437])
5.2.3. 参数绑定¶
有时我们希望在多个层间共享参数： 我们可以定义一个稠密层，然后使用它的参数来设置另一个层的参数。
# 我们需要给共享层一个名称，以便可以引用它的参数
# 我们需要给共享层一个名称，以便可以引用它的参数
shared = nn.Dense(8, 8)
net = nn.SequentialCell([nn.Dense(4, 8), nn.ReLU(),
shared, nn.ReLU(),
shared, nn.ReLU(),
nn.Dense(8, 1)])
net(X)
# 检查参数是否相同
print(net[2].weight.data[0] == net[4].weight.data[0])
net[2].weight.data[0, 0] = 100
# 确保它们实际上是同一个对象，而不只是有相同的值
print(net[2].weight.data[0] == net[4].weight.data[0])
[ True True True True True True True True]
[ True True True True True True True True]
# 我们需要给共享层一个名称，以便可以引用它的参数
shared = nn.Linear(8, 8)
net = nn.Sequential(nn.Linear(4, 8), nn.ReLU(),
shared, nn.ReLU(),
shared, nn.ReLU(),
nn.Linear(8, 1))
net(X)
# 检查参数是否相同
print(net[2].weight.data[0] == net[4].weight.data[0])
net[2].weight.data[0, 0] = 100
# 确保它们实际上是同一个对象，而不只是有相同的值
print(net[2].weight.data[0] == net[4].weight.data[0])
tensor([True, True, True, True, True, True, True, True])
tensor([True, True, True, True, True, True, True, True])
这个例子表明第三个和第五个神经网络层的参数是绑定的。 它们不仅值相等，而且由相同的张量表示。 因此，如果我们改变其中一个参数，另一个参数也会改变。 这里有一个问题：当参数绑定时，梯度会发生什么情况？ 答案是由于模型参数包含梯度，因此在反向传播期间第二个隐藏层 （即第三个神经网络层）和第三个隐藏层（即第五个神经网络层）的梯度会加在一起。
5.2.4. 小结¶
我们有几种方法可以访问、初始化和绑定模型参数。
我们可以使用自定义初始化方法。
5.2.5. 练习¶
使用 5.1节 中定义的
FancyMLP模型，访问各个层的参数。查看初始化模块文档以了解不同的初始化方法。
构建包含共享参数层的多层感知机并对其进行训练。在训练过程中，观察模型各层的参数和梯度。
为什么共享参数是个好主意？