使用 PyTorch 构建模型
译者：Fadegentle
项目地址：https://pytorch.apachecn.org/2.0/tutorials/beginner/introyt/modelsyt_tutorial
原始地址：https://pytorch.org/tutorials/beginner/introyt/modelsyt_tutorial.html
请跟随下面的视频或在 youtube 上观看。
torch.nn.Module 和 torch.nn.Parameter
在本视频中，我们将讨论 PyTorch 为构建深度学习网络提供的一些工具。
除了 Parameter 之外，我们在本视频中讨论的类都是 torch.nn.Module 的子类。这是 PyTorch 的基类，用于封装 PyTorch 模型及其组件的特定行为。
torch.nn.Module 的一个重要行为是注册参数。如果一个特定的 Module 子类有学习权重，这些权重将以 torch.nn.Parameter 的实例来表示。Parameter 类是 torch.Tensor 的子类，其特殊行为是当它们被指定为 Module 的属性时，会被添加到该模块的参数列表中。这些参数可以通过 Module 类的 parameters() 方法访问。
举个简单的例子，这里有一个非常简单的模型，包含两个线性层和一个激活函数。我们将创建一个实例，并要求它报告其参数：
import torch
class TinyModel(torch.nn.Module):
def __init__(self):
super(TinyModel, self).__init__()
self.linear1 = torch.nn.Linear(100, 200)
self.activation = torch.nn.ReLU()
self.linear2 = torch.nn.Linear(200, 10)
self.softmax = torch.nn.Softmax()
def forward(self, x):
x = self.linear1(x)
x = self.activation(x)
x = self.linear2(x)
x = self.softmax(x)
return x
tinymodel = TinyModel()
print('The model:')
print(tinymodel)
print('\n\nJust one layer:')
print(tinymodel.linear2)
print('\n\nModel params:')
for param in tinymodel.parameters():
print(param)
print('\n\nLayer params:')
for param in tinymodel.linear2.parameters():
print(param)
输出：
The model:
TinyModel(
(linear1): Linear(in_features=100, out_features=200, bias=True)
(activation): ReLU()
(linear2): Linear(in_features=200, out_features=10, bias=True)
(softmax): Softmax(dim=None)
)
Just one layer:
Linear(in_features=200, out_features=10, bias=True)
Model params:
Parameter containing:
tensor([[ 0.0765, 0.0830, -0.0234, ..., -0.0337, -0.0355, -0.0968],
[-0.0573, 0.0250, -0.0132, ..., -0.0060, 0.0240, 0.0280],
[-0.0908, -0.0369, 0.0842, ..., -0.0078, -0.0333, -0.0324],
...,
[-0.0273, -0.0162, -0.0878, ..., 0.0451, 0.0297, -0.0722],
[ 0.0833, -0.0874, -0.0020, ..., -0.0215, 0.0356, 0.0405],
[-0.0637, 0.0190, -0.0571, ..., -0.0874, 0.0176, 0.0712]],
requires_grad=True)
Parameter containing:
tensor([ 0.0304, -0.0758, -0.0549, -0.0893, -0.0809, -0.0804, -0.0079, -0.0413,
-0.0968, 0.0888, 0.0239, -0.0659, -0.0560, -0.0060, 0.0660, -0.0319,
-0.0370, 0.0633, -0.0143, -0.0360, 0.0670, -0.0804, 0.0265, -0.0870,
0.0039, -0.0174, -0.0680, -0.0531, 0.0643, 0.0794, 0.0209, 0.0419,
0.0562, -0.0173, -0.0055, 0.0813, 0.0613, -0.0379, 0.0228, 0.0304,
-0.0354, 0.0609, -0.0398, 0.0410, 0.0564, -0.0101, -0.0790, -0.0824,
-0.0126, 0.0557, 0.0900, 0.0597, 0.0062, -0.0108, 0.0112, -0.0358,
-0.0203, 0.0566, -0.0816, -0.0633, -0.0266, -0.0624, -0.0746, 0.0492,
0.0450, 0.0530, -0.0706, 0.0308, 0.0533, 0.0202, -0.0469, -0.0448,
0.0548, 0.0331, 0.0257, -0.0764, -0.0892, 0.0783, 0.0062, 0.0844,
-0.0959, -0.0468, -0.0926, 0.0925, 0.0147, 0.0391, 0.0765, 0.0059,
0.0216, -0.0724, 0.0108, 0.0701, -0.0147, -0.0693, -0.0517, 0.0029,
0.0661, 0.0086, -0.0574, 0.0084, -0.0324, 0.0056, 0.0626, -0.0833,
-0.0271, -0.0526, 0.0842, -0.0840, -0.0234, -0.0898, -0.0710, -0.0399,
0.0183, -0.0883, -0.0102, -0.0545, 0.0706, -0.0646, -0.0841, -0.0095,
-0.0823, -0.0385, 0.0327, -0.0810, -0.0404, 0.0570, 0.0740, 0.0829,
0.0845, 0.0817, -0.0239, -0.0444, -0.0221, 0.0216, 0.0103, -0.0631,
0.0831, -0.0273, 0.0756, 0.0022, 0.0407, 0.0072, 0.0374, -0.0608,
0.0424, -0.0585, 0.0505, -0.0455, 0.0268, -0.0950, -0.0642, 0.0843,
0.0760, -0.0889, -0.0617, -0.0916, 0.0102, -0.0269, -0.0011, 0.0318,
0.0278, -0.0160, 0.0159, -0.0817, 0.0768, -0.0876, -0.0524, -0.0332,
-0.0583, 0.0053, 0.0503, -0.0342, -0.0319, -0.0562, 0.0376, -0.0696,
0.0735, 0.0222, -0.0775, -0.0072, 0.0294, 0.0994, -0.0355, -0.0809,
-0.0539, 0.0245, 0.0670, 0.0032, 0.0891, -0.0694, -0.0994, 0.0126,
0.0629, 0.0936, 0.0058, -0.0073, 0.0498, 0.0616, -0.0912, -0.0490],
requires_grad=True)
Parameter containing:
tensor([[ 0.0504, -0.0203, -0.0573, ..., 0.0253, 0.0642, -0.0088],
[-0.0078, -0.0608, -0.0626, ..., -0.0350, -0.0028, -0.0634],
[-0.0317, -0.0202, -0.0593, ..., -0.0280, 0.0571, -0.0114],
...,
[ 0.0582, -0.0471, -0.0236, ..., 0.0273, 0.0673, 0.0555],
[ 0.0258, -0.0706, 0.0315, ..., -0.0663, -0.0133, 0.0078],
[-0.0062, 0.0544, -0.0280, ..., -0.0303, -0.0326, -0.0462]],
requires_grad=True)
Parameter containing:
tensor([ 0.0385, -0.0116, 0.0703, 0.0407, -0.0346, -0.0178, 0.0308, -0.0502,
0.0616, 0.0114], requires_grad=True)
Layer params:
Parameter containing:
tensor([[ 0.0504, -0.0203, -0.0573, ..., 0.0253, 0.0642, -0.0088],
[-0.0078, -0.0608, -0.0626, ..., -0.0350, -0.0028, -0.0634],
[-0.0317, -0.0202, -0.0593, ..., -0.0280, 0.0571, -0.0114],
...,
[ 0.0582, -0.0471, -0.0236, ..., 0.0273, 0.0673, 0.0555],
[ 0.0258, -0.0706, 0.0315, ..., -0.0663, -0.0133, 0.0078],
[-0.0062, 0.0544, -0.0280, ..., -0.0303, -0.0326, -0.0462]],
requires_grad=True)
Parameter containing:
tensor([ 0.0385, -0.0116, 0.0703, 0.0407, -0.0346, -0.0178, 0.0308, -0.0502,
0.0616, 0.0114], requires_grad=True)
这显示了 PyTorch 模型的基本结构： __init__() 方法定义模型的层和其他组件，而 forward() 方法完成计算。请注意，我们可以打印模型或它的任何子模块，以了解它的结构。
常见网络层类型
线性层
神经网络层的最基本类型是 线性层或全连接层。在这种层中，每个输入都会影响每个输出，影响程度由层的权重决定。如果一个模型有 m 个输入和 n 个输出，那么权重就是一个 m x n 矩阵。例如
lin = torch.nn.Linear(3, 2)
x = torch.rand(1, 3)
print('Input:')
print(x)
print('\n\nWeight and Bias parameters:')
for param in lin.parameters():
print(param)
y = lin(x)
print('\n\nOutput:')
print(y)
输出：
Input:
tensor([[0.8790, 0.9774, 0.2547]])
Weight and Bias parameters:
Parameter containing:
tensor([[ 0.1656, 0.4969, -0.4972],
[-0.2035, -0.2579, -0.3780]], requires_grad=True)
Parameter containing:
tensor([0.3768, 0.3781], requires_grad=True)
Output:
tensor([[ 0.8814, -0.1492]], grad_fn=<AddmmBackward0>)
如果将 x 与线性层的权重进行矩阵乘法运算，再加上偏置，就能得到输出向量 y。
还有一个重要特征值得注意：当我们使用 lin.weight 检查层的权重时，它将自己报告为 Parameter(Tensor 的子类)，并让我们知道它正在使用自动微分跟踪梯度。与 Tensor 不同，这是 Parameter 的默认行为。
线性层广泛应用于深度学习模型中。在分类器模型中最常见到的就是线性层，分类器模型的最后通常会有一个或多个线性层，最后一层会有 n 个输出，其中 n 是分类器处理的类的数量。
卷积层
卷积 层用于处理具有高度空间相关性的数据。卷积层常用于计算机视觉领域，它们能检测到特征的紧密组合，并将其组成更高级别的特征。卷积层也会出现在其他场合——例如，在 NLP 应用中，一个单词的上下文(即序列中附近的其他单词)会影响句子的意思。
我们在之前的视频中看到了卷积层在 LeNet5 中的应用：
import torch.functional as F
class LeNet(torch.nn.Module):
def __init__(self):
super(LeNet, self).__init__()
# 1 input image channel (black & white), 6 output channels, 5x5 square convolution
# kernel
self.conv1 = torch.nn.Conv2d(1, 6, 5)
self.conv2 = torch.nn.Conv2d(6, 16, 3)
# an affine operation: y = Wx + b
self.fc1 = torch.nn.Linear(16 * 6 * 6, 120) # 6*6 from image dimension
self.fc2 = torch.nn.Linear(120, 84)
self.fc3 = torch.nn.Linear(84, 10)
def forward(self, x):
# Max pooling over a (2, 2) window
x = F.max_pool2d(F.relu(self.conv1(x)), (2, 2))
# If the size is a square you can only specify a single number
x = F.max_pool2d(F.relu(self.conv2(x)), 2)
x = x.view(-1, self.num_flat_features(x))
x = F.relu(self.fc1(x))
x = F.relu(self.fc2(x))
x = self.fc3(x)
return x
def num_flat_features(self, x):
size = x.size()[1:] # all dimensions except the batch dimension
num_features = 1
for s in size:
num_features *= s
return num_features
让我们来分析一下这个模型的卷积层中发生了什么。从 conv1 开始：
- LeNet5 接收的是一幅 1x32x32 的黑白图像。卷积层构造函数的第一个参数是输入通道数，这里是 1。如果我们建立这个模型是为了查看 3 色通道，那么参数就是 3。
- 卷积层就像一个窗口，它会扫描图像，寻找它能识别的模式。这些模式被称为 特征，卷积层的参数之一就是我们希望它学习的特征数量。这就是构造函数的第二个参数，输出特征的数量。在这里，我们要求卷积层学习 6 个特征。
- 在上文，我把卷积层比作一个窗口，但窗口到底有多大？第三个参数是窗口或内核大小。这里的 "5" 表示我们选择了一个 5x5 的内核。(如果您想要一个宽高不同的内核，可以为这个参数指定一个元组，例如，(
3,5)可以得到一个 3x5 的卷积内核)。
卷积层的输出是 激活图，即输入tensor中存在特征的空间表示。conv1 将为我们提供一个 6x28x28 的输出tensor，6 是特征的数量，28 是图的宽高。(28 是指在 32 像素行上扫描 5 像素窗口时，只有 28 个有效位置)。
然后，我们将卷积输出通过 ReLU 激活函数(激活函数稍后详述)，再通过最大池化层。最大池化层将激活图中相互靠近的特征集中在一起。具体做法是缩小tensor，将输出中的每组 2x2 单元合并为一个单元，并为该单元分配 4 个单元中的最大值。这样，我们就得到了激活图的低分辨率版本，尺寸为 6x14x14。
下一个卷积层 conv2 需要 6 个输入通道(与第一层的 6 个特征相对应)，16 个输出通道和一个 3x3 内核。它输出一个 16x12x12 的激活图，通过最大池化层再次将激活图缩小为 16x6x6。在将输出传递给线性层之前，它被重塑为一个 16 * 6 * 6 = 576 元素的向量，供下一层使用。
卷积层可用于处理一维、二维和三维tensor。卷积层构造函数还有更多可选参数，包括输入中的跨距长度(例如，每次只扫描第二或第三个位置)、填充(以便扫描到输入的边缘)等。更多信息请参阅文档。
循环层
RNN(Recurrent neural network，递归神经网络) 用于处理序列数据——从科学仪器的时间序列测量到自然语言句子再到 DNA 核苷酸，无所不包。RNN 通过保持一种 隐藏状态 来实现这一功能，这种隐藏状态就像一种记忆，记录了它迄今为止在序列中看到的内容。
RNN 层或其变体 LSTM(long short-term memory，长短期记忆)和 GRU(gated recurrent unit，门控循环单元)的内部结构非常复杂，超出了本视频的讨论范围，但我们将向您展示基于 LSTM 的语音部分标记(一种分类器，能告诉您一个词是名词还是动词等)的实际效果：
class LSTMTagger(torch.nn.Module):
def __init__(self, embedding_dim, hidden_dim, vocab_size, tagset_size):
super(LSTMTagger, self).__init__()
self.hidden_dim = hidden_dim
self.word_embeddings = torch.nn.Embedding(vocab_size, embedding_dim)
# The LSTM takes word embeddings as inputs, and outputs hidden states
# with dimensionality hidden_dim.
self.lstm = torch.nn.LSTM(embedding_dim, hidden_dim)
# The linear layer that maps from hidden state space to tag space
self.hidden2tag = torch.nn.Linear(hidden_dim, tagset_size)
def forward(self, sentence):
embeds = self.word_embeddings(sentence)
lstm_out, _ = self.lstm(embeds.view(len(sentence), 1, -1))
tag_space = self.hidden2tag(lstm_out.view(len(sentence), -1))
tag_scores = F.log_softmax(tag_space, dim=1)
return tag_scores
这个构造函数有四个参数：
vocab_size是输入词汇的字数。每个单词都是vocab_size维空间中的独热(one-hot)向量(或单位向量)。tagset_size是输出集合中标签的数量。embedding_dim是词汇 嵌入(embedding) 空间的大小。嵌入空间将词汇映射到一个低维空间中，在这个空间中，词义相近的词会靠得很近。hidden_dim是 LSTM 内存的大小。
输入将是一个句子，其中的单词表示为独热(one-hot)向量的索引。然后，嵌入层会将这些词映射到一个 embedding_dim 维空间。LSTM 获取嵌入序列并对其进行迭代，得到长度为 hidden_dim 的输出向量。最后的线性层充当分类器，对最后一层的输出应用 log_softmax()，可将输出转换为一组归一化的估计概率，表示指定单词映射到指定标签的概率。
如果您想看看这个网络的实际应用，请查看 pytorch.org 上的序列模型和 LSTM 网络教程。
变换器
变换器(Transformer) 是一种多用途网络，它与 BERT 等模型一起，称霸了 NLP 技术领域。讨论变换器架构超出了本视频的范围，但 PyTorch 有一个 Transformer 类，可以定义变换器模型的整体参数——注意力头的数量、编码器和解码器层的数量、随机失活(dropout)和激活函数等(甚至可以通过正确的参数用这个类来构建 BERT 模型！)。torch.nn.Transformer 类还封装了各个组件(TransformerEncoder、TransformerDecoder)和子组件(TransformerEncoderLayer、TransformerDecoderLayer)的类。有关详细信息，请查阅有关变换器类的文档以及 pytorch.org 上的相关教程。
其他层和函数
数据操作层
还有其他一些类型的层在模型中起重要作用，但它们本身并不参与学习过程。
最大池化(和它兄弟，最小池化)通过合并单元来减少tensor，并将输入单元的最大值分配给输出单元(我们看到过这个)。例如
my_tensor = torch.rand(1, 6, 6)
print(my_tensor)
maxpool_layer = torch.nn.MaxPool2d(3)
print(maxpool_layer(my_tensor))
输出：
tensor([[[0.5036, 0.6285, 0.3460, 0.7817, 0.9876, 0.0074],
[0.3969, 0.7950, 0.1449, 0.4110, 0.8216, 0.6235],
[0.2347, 0.3741, 0.4997, 0.9737, 0.1741, 0.4616],
[0.3962, 0.9970, 0.8778, 0.4292, 0.2772, 0.9926],
[0.4406, 0.3624, 0.8960, 0.6484, 0.5544, 0.9501],
[0.2489, 0.8971, 0.7499, 0.1803, 0.9571, 0.6733]]])
tensor([[[0.7950, 0.9876],
[0.9970, 0.9926]]])
如果仔细观察上面的值，就会发现已最大池化的输出中每个值都是 6x6 输入的各象限最大值。
归一化层会将一层的输出重新居中并归一化，然后再输入到另一层。将中间tensor居中和缩放有很多好处，比如可以让您使用更高的学习率，而不会导致梯度爆炸/消失。
my_tensor = torch.rand(1, 4, 4) * 20 + 5
print(my_tensor)
print(my_tensor.mean())
norm_layer = torch.nn.BatchNorm1d(4)
normed_tensor = norm_layer(my_tensor)
print(normed_tensor)
print(normed_tensor.mean())
输出：
tensor([[[ 7.7375, 23.5649, 6.8452, 16.3517],
[19.5792, 20.3254, 6.1930, 23.7576],
[23.7554, 20.8565, 18.4241, 8.5742],
[22.5100, 15.6154, 13.5698, 11.8411]]])
tensor(16.2188)
tensor([[[-0.8614, 1.4543, -0.9919, 0.3990],
[ 0.3160, 0.4274, -1.6834, 0.9400],
[ 1.0256, 0.5176, 0.0914, -1.6346],
[ 1.6352, -0.0663, -0.5711, -0.9978]]],
grad_fn=<NativeBatchNormBackward0>)
tensor(3.3528e-08, grad_fn=<MeanBackward0>)
运行上面的单元格时，我们为输入tensor添加了一个较大的缩放因子和偏移量，您应该看到输入tensor的 mean() 在 15 左右。在通过归一化层运行后，您可以看到数值变小了，并聚集在零附近——事实上，平均值应该非常小(> 1e-8)。
这样做是有好处的，因为许多激活函数(下面会讨论)在 0 附近的梯度最大，但有时把输入推远离 0 会出现梯度消失或爆炸。将数据保持在梯度最陡峭区域的中心，往往意味着更快更好的学习和更高的可行学习率。
随机失活(Dropout)层是模型中一种鼓励 稀疏表示 的工具，即让模型用更少的数据进行推理。
随机失活层的工作原理是在 训练过程中 随机设置输入tensor的一部分——随机失活层在推理时始终处于关闭状态。这就迫使模型根据这种被屏蔽或减少的数据集进行学习。例如：
my_tensor = torch.rand(1, 4, 4)
dropout = torch.nn.Dropout(p=0.4)
print(dropout(my_tensor))
print(dropout(my_tensor))
输出：
tensor([[[0.8869, 0.6595, 0.2098, 0.0000],
[0.5379, 0.0000, 0.0000, 0.0000],
[0.1950, 0.2424, 1.3319, 0.5738],
[0.5676, 0.8335, 0.0000, 0.2928]]])
tensor([[[0.8869, 0.6595, 0.2098, 0.2878],
[0.5379, 0.0000, 0.4029, 0.0000],
[0.0000, 0.2424, 1.3319, 0.5738],
[0.0000, 0.8335, 0.9647, 0.0000]]])
从上面，您可以看到样本tensor应用随机失活的效果。您可以使用可选的 p 参数设置单个权重失活的概率，如果不使用，默认值为 0.5。
激活函数
激活函数使得深度学习成为可能。神经网络实际上是一个带有许多参数的程序，用于 模拟数学函数。如果我们只是反复将tensor乘以层权重，那么我们只能模拟 线性函数，另外没有必要使用多层，因为整个网络可以简化为一次矩阵乘法。在层之间插入非线性激活函数允许深度学习模型模拟任何函数，而不仅仅是线性函数。
torch.nn.Module 中包含封装了所有主要激活函数的对象，包括 ReLU 及其许多变种、Tanh、Hardtanh、sigmoid 等。它还包括其他在模型输出阶段最有用的函数，例如 Softmax。
损失函数
损失函数告诉我们一个模型的预测离正确答案有多远。PyTorch 包含多种损失函数，包括常见的 MSE(均方误差 = L2 范数)、交叉熵损失和负对数似然损失(适用于分类器)等。
