Mar*_*k.F 5 python machine-learning keras tensorflow
我正在使用一个对内存要求很高的CNN模型来完成分类任务。这对我在培训期间可以使用的批量大小构成了很大的限制。
一种解决方案是在训练过程中累积梯度，这意味着在每批处理后都不会更新模型的权重。取而代之的是，相同的权重用于几个批次，而每个批次的梯度被累加，然后对单个权重更新操作进行平均。
我正在使用Tensorflow后端Keras，并且我很确定Keras没有现成的功能/方法来实现这一目标。
对于Keras / tensorflow模型，该怎么办？
正如问题中提到的那样，没有使用Keras / Tensorflow实现的现成功能/方法。但是，这可以通过为Keras编写自定义优化器来完成。
主要思想是使用标志来确定是否在每个批次中更新重量。
以下实现基于“ alexeydevederkin”的这篇github帖子，它是一个累积的Adam优化器：
import keras.backend as K
from keras.legacy import interfaces
from keras.optimizers import Optimizer
class AdamAccumulate(Optimizer):
def __init__(self, lr=0.001, beta_1=0.9, beta_2=0.999,
epsilon=None, decay=0., amsgrad=False, accum_iters=1, **kwargs):
if accum_iters < 1:
raise ValueError('accum_iters must be >= 1')
super(AdamAccumulate, self).__init__(**kwargs)
with K.name_scope(self.__class__.__name__):
self.iterations = K.variable(0, dtype='int64', name='iterations')
self.lr = K.variable(lr, name='lr')
self.beta_1 = K.variable(beta_1, name='beta_1')
self.beta_2 = K.variable(beta_2, name='beta_2')
self.decay = K.variable(decay, name='decay')
if epsilon is None:
epsilon = K.epsilon()
self.epsilon = epsilon
self.initial_decay = decay
self.amsgrad = amsgrad
self.accum_iters = K.variable(accum_iters, K.dtype(self.iterations))
self.accum_iters_float = K.cast(self.accum_iters, K.floatx())
@interfaces.legacy_get_updates_support
def get_updates(self, loss, params):
grads = self.get_gradients(loss, params)
self.updates = [K.update_add(self.iterations, 1)]
lr = self.lr
completed_updates = K.cast(K.tf.floordiv(self.iterations, self.accum_iters), K.floatx())
if self.initial_decay > 0:
lr = lr * (1. / (1. + self.decay * completed_updates))
t = completed_updates + 1
lr_t = lr * (K.sqrt(1. - K.pow(self.beta_2, t)) / (1. - K.pow(self.beta_1, t)))
# self.iterations incremented after processing a batch
# batch: 1 2 3 4 5 6 7 8 9
# self.iterations: 0 1 2 3 4 5 6 7 8
# update_switch = 1: x x (if accum_iters=4)
update_switch = K.equal((self.iterations + 1) % self.accum_iters, 0)
update_switch = K.cast(update_switch, K.floatx())
ms = [K.zeros(K.int_shape(p), dtype=K.dtype(p)) for p in params]
vs = [K.zeros(K.int_shape(p), dtype=K.dtype(p)) for p in params]
gs = [K.zeros(K.int_shape(p), dtype=K.dtype(p)) for p in params]
if self.amsgrad:
vhats = [K.zeros(K.int_shape(p), dtype=K.dtype(p)) for p in params]
else:
vhats = [K.zeros(1) for _ in params]
self.weights = [self.iterations] + ms + vs + vhats
for p, g, m, v, vhat, tg in zip(params, grads, ms, vs, vhats, gs):
sum_grad = tg + g
avg_grad = sum_grad / self.accum_iters_float
m_t = (self.beta_1 * m) + (1. - self.beta_1) * avg_grad
v_t = (self.beta_2 * v) + (1. - self.beta_2) * K.square(avg_grad)
if self.amsgrad:
vhat_t = K.maximum(vhat, v_t)
p_t = p - lr_t * m_t / (K.sqrt(vhat_t) + self.epsilon)
self.updates.append(K.update(vhat, (1 - update_switch) * vhat + update_switch * vhat_t))
else:
p_t = p - lr_t * m_t / (K.sqrt(v_t) + self.epsilon)
self.updates.append(K.update(m, (1 - update_switch) * m + update_switch * m_t))
self.updates.append(K.update(v, (1 - update_switch) * v + update_switch * v_t))
self.updates.append(K.update(tg, (1 - update_switch) * sum_grad))
new_p = p_t
# Apply constraints.
if getattr(p, 'constraint', None) is not None:
new_p = p.constraint(new_p)
self.updates.append(K.update(p, (1 - update_switch) * p + update_switch * new_p))
return self.updates
def get_config(self):
config = {'lr': float(K.get_value(self.lr)),
'beta_1': float(K.get_value(self.beta_1)),
'beta_2': float(K.get_value(self.beta_2)),
'decay': float(K.get_value(self.decay)),
'epsilon': self.epsilon,
'amsgrad': self.amsgrad}
base_config = super(AdamAccumulate, self).get_config()
return dict(list(base_config.items()) + list(config.items()))
可以按以下方式使用它：
opt = AdamAccumulate(lr=0.001, decay=1e-5, accum_iters=5)
model.compile( loss='categorical_crossentropy', # Loss function
optimizer=opt, # Optimization technique
metrics=['accuracy']) # Accuracy matrix
model.fit(X_train, y_train, batch_size = 10)
在此示例中，模型在每个迭代中处理10个样本（“ batch_size”），但仅在累积5个此类批次（“ accum_iters”）之后才进行权重更新。因此，用于更新权重的实际批次大小为50。
小智 8
我们发布了一个开源工具，可以在我们在Run:AI 中实现的 Keras 模型中自动添加梯度累积支持，以帮助我们解决批量大小问题。
在我们的模型中使用梯度累积使我们能够使用大批量，同时受到 GPU 内存的限制。它特别允许我们仅使用单个 GPU 运行大批量的神经网络。
该项目可在https://github.com/run-ai/runai/tree/master/runai/ga获得，并附有说明和示例，您可以立即使用。
使用此工具，您只需在 Python 脚本中添加一行代码，即可为优化器添加梯度累积支持。
Python 包在PyPI上可用，可以使用以下命令安装：pip install runai.
为 Keras 模型添加梯度累积支持非常容易。首先，将包导入到您的代码中：import runai.ga. 然后，您必须创建一个梯度累积优化器。有两种方法可以做到：
1. 包装现有的 Keras 优化器
您可以使用任何 Keras 优化器 - 无论是内置优化器（SGD、Adam 等...）还是带有算法实现的自定义优化器 - 并使用下一行为其添加梯度累积支持：
optimizer = runai.ga.keras.optimizers.Optimizer(optimizer, steps=STEPS)
optimizer您的优化器在哪里，以及STEPS您想要累积梯度的步骤数。
2. 创建任何内置优化器的梯度累积版本
包中提供了所有内置优化器（SGD、Adam 等）的梯度累积版本。可以使用以下行创建它们：
optimizer = runai.ga.keras.optimizers.Adam(steps=STEPS)
在这里，我们创建了一个梯度累积版本的Adam优化器，我们在STEPS步骤上累积梯度。
GitHub中提供了更多信息、解释和示例。
除了开源工具本身，我们还在 Towards Data Science (Medium) 上发表了 3 篇系列文章，其中解释了使用大批量时的问题、什么是梯度累积以及它如何帮助解决这些问题，它是如何工作的，以及我们如何实施它。以下是文章的链接：
让我们知道该工具是否帮助您在您自己的 Keras 模型中使用梯度累积。我们在这里为您在自己的模型中使用它时遇到的问题提供任何支持和帮助。
小智 6
更方便的方法是向现有优化器注入一些更改。
class AccumOptimizer(Optimizer):
"""Inheriting Optimizer class, wrapping the original optimizer
to achieve a new corresponding optimizer of gradient accumulation.
# Arguments
optimizer: an instance of keras optimizer (supporting
all keras optimizers currently available);
steps_per_update: the steps of gradient accumulation
# Returns
a new keras optimizer.
"""
def __init__(self, optimizer, steps_per_update=1, **kwargs):
super(AccumOptimizer, self).__init__(**kwargs)
self.optimizer = optimizer
with K.name_scope(self.__class__.__name__):
self.steps_per_update = steps_per_update
self.iterations = K.variable(0, dtype='int64', name='iterations')
self.cond = K.equal(self.iterations % self.steps_per_update, 0)
self.lr = self.optimizer.lr
self.optimizer.lr = K.switch(self.cond, self.optimizer.lr, 0.)
for attr in ['momentum', 'rho', 'beta_1', 'beta_2']:
if hasattr(self.optimizer, attr):
value = getattr(self.optimizer, attr)
setattr(self, attr, value)
setattr(self.optimizer, attr, K.switch(self.cond, value, 1 - 1e-7))
for attr in self.optimizer.get_config():
if not hasattr(self, attr):
value = getattr(self.optimizer, attr)
setattr(self, attr, value)
# Cover the original get_gradients method with accumulative gradients.
def get_gradients(loss, params):
return [ag / self.steps_per_update for ag in self.accum_grads]
self.optimizer.get_gradients = get_gradients
def get_updates(self, loss, params):
self.updates = [
K.update_add(self.iterations, 1),
K.update_add(self.optimizer.iterations, K.cast(self.cond, 'int64')),
]
# gradient accumulation
self.accum_grads = [K.zeros(K.int_shape(p), dtype=K.dtype(p)) for p in params]
grads = self.get_gradients(loss, params)
for g, ag in zip(grads, self.accum_grads):
self.updates.append(K.update(ag, K.switch(self.cond, ag * 0, ag + g)))
# inheriting updates of original optimizer
self.updates.extend(self.optimizer.get_updates(loss, params)[1:])
self.weights.extend(self.optimizer.weights)
return self.updates
def get_config(self):
iterations = K.eval(self.iterations)
K.set_value(self.iterations, 0)
config = self.optimizer.get_config()
K.set_value(self.iterations, iterations)
return config
用法：
opt = AccumOptimizer(Adam(), 10) # 10 is accumulative steps
model.compile(loss='mse', optimizer=opt)
model.fit(x_train, y_train, epochs=10, batch_size=10)
参考： https: //github.com/bojone/accum_optimizer_for_keras