PyTorch 的構建者表明，PyTorch 的哲學是解決當務之急，也就是說即時構建和運行計算圖。目前，PyTorch 也已經(jīng)借助這種即時運行的概念成為最受歡迎的框架之一，開發(fā)者能快速構建模型與驗證想法，并通過神經(jīng)網(wǎng)絡交換格式 ONNX 在多個框架之間快速遷移。本文從基本概念開始介紹了 PyTorch 的使用方法、訓練經(jīng)驗與技巧，并展示了可能出現(xiàn)的問題與解決方案。
項目地址：https://github.com/Kaixhin/grokking-pytorch
PyTorch 是一種靈活的深度學習框架，它允許通過動態(tài)神經(jīng)網(wǎng)絡（例如利用動態(tài)控流——如 if 語句或 while 循環(huán)的網(wǎng)絡）進行自動微分。它還支持 GPU 加速、分布式訓練以及各類優(yōu)化任務，同時還擁有許多更簡潔的特性。以下是作者關于如何利用 PyTorch 的一些說明，里面雖然沒有包含該庫的所有細節(jié)或最優(yōu)方法，但可能會對大家有所幫助。
神經(jīng)網(wǎng)絡是計算圖的一個子類。計算圖接收輸入數(shù)據(jù)，數(shù)據(jù)被路由到對數(shù)據(jù)執(zhí)行處理的節(jié)點，并可能被這些節(jié)點轉(zhuǎn)換。在深度學習中，神經(jīng)網(wǎng)絡中的神經(jīng)元（節(jié)點）通常利用參數(shù)或可微函數(shù)轉(zhuǎn)換數(shù)據(jù)，這樣可以優(yōu)化參數(shù)以通過梯度下降將損失最小化。更廣泛地說，函數(shù)是隨機的，圖結構可以是動態(tài)的。所以說，雖然神經(jīng)網(wǎng)絡可能非常適合數(shù)據(jù)流式編程，但 PyTorch 的 API 卻更關注命令式編程——一種編程更?？紤]的形式。這令讀取代碼和推斷復雜程序變得簡單，而無需損耗不必要的性能；PyTorch 速度很快，且擁有大量優(yōu)化，作為終端用戶你毫無后顧之憂。
本文其余部分寫的是關于 grokking PyTorch 的內(nèi)容，都是基于 MINIST 官網(wǎng)實例，應該要在學習完官網(wǎng)初學者教程后再查看。為便于閱讀，代碼以塊狀形式呈現(xiàn)，并帶有注釋，因此不會像純模塊化代碼一樣被分割成不同的函數(shù)或文件。
Pytorch 基礎
PyTorch 使用一種稱之為 imperative / eager 的范式，即每一行代碼都要求構建一個圖，以定義完整計算圖的一個部分。即使完整的計算圖還沒有構建好，我們也可以獨立地執(zhí)行這些作為組件的小計算圖，這種動態(tài)計算圖被稱為「define-by-run」方法。
PyTorch 張量
正如 PyTorch 文檔所說，如果我們熟悉 NumPy 的多維數(shù)組，那么 Torch 張量的很多操作我們能輕易地掌握。PyTorch 提供了 CPU 張量和 GPU 張量，并且極大地加速了計算的速度。
從張量的構建與運行就能體會，相比 TensorFLow，在 PyTorch 中聲明張量、初始化張量要簡潔地多。例如，使用 torch.Tensor(5, 3) 語句就能隨機初始化一個 5×3 的二維張量，因為 PyTorch 是一種動態(tài)圖，所以它聲明和真實賦值是同時進行的。
在 PyTorch 中，torch.Tensor 是一種多維矩陣，其中每個元素都是單一的數(shù)據(jù)類型，且該構造函數(shù)默認為 torch.FloatTensor。以下是具體的張量類型：
除了直接定義維度，一般我們還可以從 Python 列表或 NumPy 數(shù)組中創(chuàng)建張量。而且根據(jù)使用 Python 列表和元組等數(shù)據(jù)結構的習慣，我們可以使用相似的索引方式進行取值或賦值。PyTorch 同樣支持廣播（Broadcasting）操作，一般它會隱式地把一個數(shù)組的異常維度調(diào)整到與另一個算子相匹配的維度，以實現(xiàn)維度兼容。
自動微分模塊
TensorFlow、Caffe 和 CNTK 等大多數(shù)框架都使用靜態(tài)計算圖，開發(fā)者必須建立或定義一個神經(jīng)網(wǎng)絡，并重復使用相同的結構來執(zhí)行模型訓練。改變網(wǎng)絡的模式就意味著我們必須從頭開始設計并定義相關的模塊。
但 PyTorch 使用的技術為自動微分（automatic differentiation）。在這種機制下，系統(tǒng)會有一個 Recorder 來記錄我們執(zhí)行的運算，然后再反向計算對應的梯度。這種技術在構建神經(jīng)網(wǎng)絡的過程中十分強大，因為我們可以通過計算前向傳播過程中參數(shù)的微分來節(jié)省時間。
從概念上來說，Autograd 會維護一個圖并記錄對變量執(zhí)行的所有運算。這會產(chǎn)生一個有向無環(huán)圖，其中葉結點為輸入向量，根結點為輸出向量。通過從根結點到葉結點追蹤圖的路徑，我們可以輕易地使用鏈式法則自動計算梯度。
在內(nèi)部，Autograd 將這個圖表征為 Function 對象的圖，并且可以應用 apply() 計算評估圖的結果。在計算前向傳播中，當 Autograd 在執(zhí)行請求的計算時，它還會同時構建一個表征梯度計算的圖，且每個 Variable 的 .grad_fn 屬性就是這個圖的輸入單元。在前向傳播完成后，我們可以在后向傳播中根據(jù)這個動態(tài)圖來計算梯度。
PyTorch 還有很多基礎的模塊，例如控制學習過程的最優(yōu)化器、搭建深度模型的神經(jīng)網(wǎng)絡模塊和數(shù)據(jù)加載與處理等。這一節(jié)展示的張量與自動微分模塊是 PyTorch 最為核心的概念之一，讀者可查閱 PyTorch 文檔了解更詳細的內(nèi)容。
下面作者以 MNIST 為例從數(shù)據(jù)加載到模型測試具體討論了 PyTorch 的使用、思考技巧與陷阱。
PyTorch 實用指南
導入
import argparse
import torch
from torch import nn, optim
from torch.nn import functional as F
from torch.utils.data import DataLoader
from torchvision import datasets, transforms
除了用于計算機視覺問題的 torchvision 模塊外，這些都是標準化導入。
設置
parser = argparse.ArgumentParser(description='PyTorch MNIST Example')
parser.add_argument('--batch-size', type=int, default=64, metavar='N',
help='input batch size for training (default: 64)')
parser.add_argument('--epochs', type=int, default=10, metavar='N',
help='number of epochs to train (default: 10)')
parser.add_argument('--lr', type=float, default=0.01, metavar='LR',
help='learning rate (default: 0.01)')
parser.add_argument('--momentum', type=float, default=0.5, metavar='M',
help='SGD momentum (default: 0.5)')
parser.add_argument('--no-cuda', action='store_true', default=False,
help='disables CUDA training')
parser.add_argument('--seed', type=int, default=1, metavar='S',
help='random seed (default: 1)')
parser.add_argument('--save-interval', type=int, default=10, metavar='N',
help='how many batches to wait before checkpointing')
parser.add_argument('--resume', action='store_true', default=False,
help='resume training from checkpoint')
args = parser.parse_args()
use_cuda = torch.cuda.is_available() and not args.no_cuda
device = torch.device('cuda' if use_cuda else 'cpu')
torch.manual_seed(args.seed)
if use_cuda:
torch.cuda.manual_seed(args.seed)
argparse 是在 Python 中處理命令行參數(shù)的一種標準方式。
編寫與設備無關的代碼（可用時受益于 GPU 加速，不可用時會倒退回 CPU）時，選擇并保存適當?shù)?torch.device, 不失為一種好方法，它可用于確定存儲張量的位置。關于與設備無關代碼的更多內(nèi)容請參閱官網(wǎng)文件。PyTorch 的方法是使用戶能控制設備，這對簡單示例來說有些麻煩，但是可以更容易地找出張量所在的位置——這對于 a）調(diào)試很有用，并且 b）可有效地使用手動化設備。
對于可重復實驗，有必要為使用隨機數(shù)生成的任何數(shù)據(jù)設置隨機種子（如果也使用隨機數(shù)，則包括隨機或 numpy）。要注意，cuDNN 用的是非確定算法，可以通過語句 torch.backends.cudnn.enabled = False 將其禁用。
數(shù)據(jù)
train_data = datasets.MNIST('data', train=True, download=True,
transform=transforms.Compose([
transforms.ToTensor(),
transforms.Normalize((0.1307,), (0.3081,))]))
test_data = datasets.MNIST('data', train=False, transform=transforms.Compose([
transforms.ToTensor(),
transforms.Normalize((0.1307,), (0.3081,))]))
train_loader = DataLoader(train_data, batch_size=args.batch_size,
shuffle=True, num_workers=4, pin_memory=True)
test_loader = DataLoader(test_data, batch_size=args.batch_size,
num_workers=4, pin_memory=True)
torchvision.transforms 對于單張圖像有非常多便利的轉(zhuǎn)換工具，例如裁剪和歸一化等。
DataLoader 包含非常多的參數(shù)，除了 batch_size 和 shuffle，num_workers 和 pin_memory 對于高效加載數(shù)據(jù)同樣非常重要。例如配置 num_workers > 0 將使用子進程異步加載數(shù)據(jù)，而不是使用一個主進程塊加載數(shù)據(jù)。參數(shù) pin_memory 使用固定 RAM 以加速 RAM 到 GPU 的轉(zhuǎn)換，且在僅使用 CPU 時不會做任何運算。
模型
class Net(nn.Module):
def __init__(self):
super(Net, self).__init__()
self.conv1 = nn.Conv2d(1, 10, kernel_size=5)
self.conv2 = nn.Conv2d(10, 20, kernel_size=5)
self.conv2_drop = nn.Dropout2d()
self.fc1 = nn.Linear(320, 50)
self.fc2 = nn.Linear(50, 10)
def forward(self, x):
x = F.relu(F.max_pool2d(self.conv1(x), 2))
x = F.relu(F.max_pool2d(self.conv2_drop(self.conv2(x)), 2))
x = x.view(-1, 320)
x = F.relu(self.fc1(x))
x = self.fc2(x)
return F.log_softmax(x, dim=1)
model = Net().to(device)
optimiser = optim.SGD(model.parameters(), lr=args.lr, momentum=args.momentum)
if args.resume:
model.load_state_dict(torch.load('model.pth'))
optimiser.load_state_dict(torch.load('optimiser.pth'))
神經(jīng)網(wǎng)絡初始化一般包括變量、包含可訓練參數(shù)的層級、可能獨立的可訓練參數(shù)和不可訓練的緩存器。隨后前向傳播將這些初始化參數(shù)與 F 中的函數(shù)結合，其中該函數(shù)為不包含參數(shù)的純函數(shù)。有些開發(fā)者喜歡使用完全函數(shù)化的網(wǎng)絡（如保持所有參數(shù)獨立，使用 F.conv2d 而不是 nn.Conv2d），或者完全由 layers 函數(shù)構成的網(wǎng)絡（如使用 nn.ReLU 而不是 F.relu）。
在將 device 設置為 GPU 時，.to(device) 是一種將設備參數(shù)（和緩存器）發(fā)送到 GPU 的便捷方式，且在將 device 設置為 CPU 時不會做任何處理。在將網(wǎng)絡參數(shù)傳遞給優(yōu)化器之前，把它們傳遞給適當?shù)脑O備非常重要，不然的話優(yōu)化器不能正確地追蹤參數(shù)。
神經(jīng)網(wǎng)絡（nn.Module）和優(yōu)化器（optim.Optimizer）都能保存和加載它們的內(nèi)部狀態(tài)，而.load_state_dict(state_dict) 是完成這一操作的推薦方法，我們可以從以前保存的狀態(tài)字典中加載兩者的狀態(tài)并恢復訓練。此外，保存整個對象可能會出錯。
這里沒討論的一些注意事項即前向傳播可以使用控制流，例如一個成員變量或數(shù)據(jù)本身能決定 if 語句的執(zhí)行。此外，在前向傳播的過程中打印張量也是可行的，這令 debug 更加簡單。最后，前向傳播可以使用多個參數(shù)。以下使用間斷的代碼塊展示這一點：
def forward(self, x, hx, drop=False):
hx2 = self.rnn(x, hx)
print(hx.mean().item(), hx.var().item())
if hx.max.item() > 10 or self.can_drop and drop:
return hx
else:
return hx2
訓練
model.train()
train_losses = []
for i, (data, target) in enumerate(train_loader):
data, target = data.to(device), target.to(device)
optimiser.zero_grad()
output = model(data)
loss = F.nll_loss(output, target)
loss.backward()
train_losses.append(loss.item())
optimiser.step()
if i % 10 == 0:
print(i, loss.item())
torch.save(model.state_dict(), 'model.pth')
torch.save(optimiser.state_dict(), 'optimiser.pth')
torch.save(train_losses, 'train_losses.pth')
網(wǎng)絡模塊默認設置為訓練模式，這影響了某些模塊的工作方式，最明顯的是 dropout 和批歸一化。最好用.train() 對其進行手動設置，這樣可以把訓練標記向下傳播到所有子模塊。
在使用 loss.backward() 收集一系列新的梯度以及用 optimiser.step() 做反向傳播之前，有必要手動地將由 optimiser.zero_grad() 優(yōu)化的參數(shù)梯度歸零。默認情況下，PyTorch 會累加梯度，在單次迭代中沒有足夠資源來計算所有需要的梯度時，這種做法非常便利。
PyTorch 使用一種基于 tape 的自動化梯度（autograd）系統(tǒng)，它收集按順序在張量上執(zhí)行的運算，然后反向重放它們來執(zhí)行反向模式微分。這正是為什么 PyTorch 如此靈活并允許執(zhí)行任意計算圖的原因。如果沒有張量需要做梯度更新（當你需要為該過程構建一個張量時，你必須設置 requires_grad=True），則不需要保存任何圖。然而，網(wǎng)絡傾向于包含需要梯度更新的參數(shù)，因此任何網(wǎng)絡輸出過程中執(zhí)行的計算都將保存在圖中。因此如果想保存在該過程中得到的數(shù)據(jù)，你將需要手動禁止梯度更新，或者，更常見的做法是將其保存為一個 Python 數(shù)（通過一個 Python 標量上的.item()）或者 NumPy 數(shù)組。更多關于 autograd 的細節(jié)詳見官網(wǎng)文件。
截取計算圖的一種方式是使用.detach()，當通過沿時間的截斷反向傳播訓練 RNN 時，數(shù)據(jù)流傳遞到一個隱藏狀態(tài)可能會應用這個函數(shù)。當對損失函數(shù)求微分（其中一個成分是另一個網(wǎng)絡的輸出）時，也會很方便。但另一個網(wǎng)絡不應該用「loss - examples」的模式進行優(yōu)化，包括在 GAN 訓練中從生成器的輸出訓練判別器，或使用價值函數(shù)作為基線（例如 A2C）訓練 actor-critic 算法的策略。另一種在 GAN 訓練（從判別器訓練生成器）中能高效阻止梯度計算的方法是在整個網(wǎng)絡參數(shù)上建立循環(huán)，并設置 param.requires_grad=False，這在微調(diào)中也很常用。
除了在控制臺/日志文件里記錄結果以外，檢查模型參數(shù)（以及優(yōu)化器狀態(tài)）也是很重要的。你還可以使用 torch.save() 來保存一般的 Python 對象，但其它標準選擇還包括內(nèi)建的 pickle。
測試
model.eval()
test_loss, correct = 0, 0
with torch.no_grad():
for data, target in test_loader:
data, target = data.to(device), target.to(device)
output = model(data)
test_loss += F.nll_loss(output, target, size_average=False).item()
pred = output.argmax(1, keepdim=True)
correct += pred.eq(target.view_as(pred)).sum().item()
test_loss /= len(test_data)
acc = correct / len(test_data)
print(acc, test_loss)
為了早點響應.train()，應利用.eval() 將網(wǎng)絡明確地設置為評估模式。
正如前文所述，計算圖通常會在使用網(wǎng)絡時生成。通過 with torch.no_grad() 使用 no_grad 上下文管理器，可以防止這種情況發(fā)生。
其它
內(nèi)存有問題？可以查看官網(wǎng)文件獲取幫助。
CUDA 出錯？它們很難調(diào)試，而且通常是一個邏輯問題，會在 CPU 上產(chǎn)生更易理解的錯誤信息。如果你計劃使用 GPU，那最好能夠在 CPU 和 GPU 之間輕松切換。更普遍的開發(fā)技巧是設置代碼，以便在啟動合適的項目（例如準備一個較小/合成的數(shù)據(jù)集、運行一個 train + test epoch 等）之前快速運行所有邏輯來檢查它。如果這是一個 CUDA 錯誤，或者你沒法切換到 CPU，設置 CUDA_LAUNCH_BLOCKING=1 將使 CUDA 內(nèi)核同步啟動，從而提供更詳細的錯誤信息。
torch.multiprocessing，甚至只是一次運行多個 PyTorch 腳本的注意事項。因為 PyTorch 使用多線程 BLAS 庫來加速 CPU 上的線性代數(shù)計算，所以它通常需要使用多個內(nèi)核。如果你想一次運行多個任務，在具有多進程或多個腳本的情況下，通過將環(huán)境變量 OMP_NUM_THREADS 設置為 1 或另一個較小的數(shù)字來手動減少線程，這樣做減少了 CPU thrashing 的可能性。官網(wǎng)文件還有一些其它注意事項，尤其是關于多進程。