技术

上下文记忆 agentic chat 图数据库的一些考量 LLM一些探索 Agent实践 LLM预训练 向量数据库的一些考量 fastapi+sqlalchemy进行项目开发 LLM微调实践 Python协程实现 Agent Functon Calling LLamaIndex入门 Multi-Agent探索 Python虚拟机 LLM工作流编排 Python实践 下一个平台Agent 激发LLM涌现——提示工程 LLM微调理论 大佬沉思 LLM外挂知识库 LLMOps 多模态LLM Python一些比较有意思的库 Transformers源码学习 LangChain源码学习 通用分布式计算引擎Ray Python并发 go依赖注入 go collection gc的基本原理 golang性能分析及优化 数据湖 高性能计算与存储 Linux2.1.13网络源代码学习 《大数据经典论文解读》 三驾马车学习 Spark 内存管理及调优 Yarn学习 从Spark部署模式开始讲源码分析 容器狂占内存资源怎么办? 多角度理解一致性 golang io使用及优化模式 Flink学习 c++学习 学习ebpf go设计哲学 ceph学习 学习mesh kvm虚拟化 学习MQ go编译器以及defer实现 学习go 为什么要有堆栈 汇编语言 计算机组成原理 运行时和库 Prometheus client mysql 事务 mysql 事务的隔离级别 mysql 索引 坏味道 学习分布式 学习网络 学习Linux go堆内存分配 golang 系统调用与阻塞处理 Goroutine 调度过程 重新认识cpu mosn有的没的 负载均衡泛谈 单元测试的新解读 《Redis核心技术与实现》笔记 《Prometheus监控实战》笔记 Prometheus 告警学习 calico源码分析 对容器云平台的理解 Prometheus 源码分析 并发的成本 基础设施优化 hashicorp raft源码学习 docker 架构 mosn细节 与微服务框架整合 Java动态代理 编程范式 并发通信模型 《网络是怎样连接的》笔记 go channel codereview gc分析 jvm 线程实现 go打包机制 go interface及反射 如何学习Kubernetes 《编译原理之美》笔记——后端部分 《编译原理之美》笔记——前端部分 Pilot MCP协议分析 go gc 内存管理玩法汇总 软件机制 istio流量管理 Pilot源码分析 golang io 学习Spring mosn源码浅析 MOSN简介 《datacenter as a computer》笔记 学习JVM Tomcat源码分析 Linux可观测性 学习存储 学计算 Gotty源码分析 kubernetes operator kaggle泰坦尼克问题实践 kubernetes扩缩容 神经网络模型优化 直觉上理解深度学习 如何学习机器学习 TIDB源码分析 什么是云原生 Alibaba Java诊断工具Arthas TIDB存储——TIKV 《Apache Kafka源码分析》——简介 netty中的线程池 guava cache 源码分析 Springboot 启动过程分析 Spring 创建Bean的年代变迁 Linux内存管理 自定义CNI IPAM 共识算法 spring redis 源码分析 kafka实践 spring kafka 源码分析 Linux进程调度 让kafka支持优先级队列 Codis源码分析 Redis源码分析 C语言学习 《趣谈Linux操作系统》笔记 docker和k8s安全访问机制 jvm crash分析 Prometheus 学习 Kubernetes监控 Kubernetes 控制器模型 容器日志采集 容器狂占资源怎么办? Kubernetes资源调度——scheduler 时序性数据库介绍及对比 influxdb入门 maven的基本概念 《Apache Kafka源码分析》——server Kubernetes类型系统 源码分析体会 《数据结构与算法之美》——算法新解 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 ansible学习 Kubernetes源码分析——从kubectl开始 jib源码分析之Step实现 线程排队 jib源码分析之细节 跨主机容器通信 jib源码分析及应用 为容器选择一个合适的entrypoint kubernetes yaml配置 《持续交付36讲》笔记 mybatis学习 程序猿应该知道的 无锁数据结构和算法 CNI——容器网络是如何打通的 为什么很多业务程序猿觉得数据结构和算法没用? 串一串一致性协议 当我在说PaaS时,我在说什么 《数据结构与算法之美》——数据结构笔记 PouchContainer技术分享体会 harbor学习 用groovy 来动态化你的代码 精简代码的利器——lombok 学习 《深入剖析kubernetes》笔记 编程语言那些事儿 rxjava3——背压 rxjava2——线程切换 spring cloud 初识 《深入拆解java 虚拟机》笔记 《how tomcat works》笔记 hystrix 学习 rxjava1——概念 Redis 学习 TIDB 学习 如何分发计算 Storm 学习 AQS1——论文学习 Unsafe Spark Stream 学习 linux vfs轮廓 《自己动手写docker》笔记 java8 实践 中本聪比特币白皮书 细读 区块链泛谈 比特币 大杂烩 总纲——如何学习分布式系统 hbase 泛谈 forkjoin 泛谈 看不见摸不着的cdn是啥 《jdk8 in action》笔记 程序猿视角看网络 bgp初识 calico学习 AQS——粗略的代码分析 我们能用反射做什么 web 跨域问题 《clean code》笔记 《Elasticsearch权威指南》笔记 mockito简介及源码分析 2017软件开发小结—— 从做功能到做系统 《Apache Kafka源码分析》——clients dns隐藏的一个坑 《mysql技术内幕》笔记 log4j学习 为什么netty比较难懂? 递归、回溯、动态规划 apollo client源码分析及看待面向对象设计 学习并发 docker运行java项目的常见问题 OpenTSDB 入门 spring事务小结 分布式事务 javascript应用在哪里 《netty in action》读书笔记 netty对http2协议的解析 ssl证书是什么东西 http那些事 苹果APNs推送框架pushy apple 推送那些事儿 编写java框架的几大利器 java内存模型和jvm内存布局 java exception Linux IO学习 netty内存管理 测试环境docker化实践 netty在框架中的使用套路 Nginx简单使用 《Linux内核设计的艺术》小结 Go并发机制及语言层工具 Linux网络源代码学习——数据包的发送与接收 《docker源码分析》小结 docker namespace和cgroup zookeeper三重奏 数据库的一些知识 Spark 泛谈 链式处理的那些套路 netty回顾 Thrift基本原理与实践(二) Thrift基本原理与实践(一) 回调 异步执行抽象——Executor与Future Docker0.1.0源码分析 java gc Jedis源码分析 深度学习泛谈 Linux网络命令操作 JTA与TCC 换个角度看待设计模式 Scala初识 向Hadoop学习NIO的使用 以新的角度看数据结构 并发控制相关的硬件与内核支持 systemd 简介 quartz 源码分析 基于docker搭建测试环境(二) spring aop 实现原理简述 自己动手写spring(八) 支持AOP 自己动手写spring(七) 类结构设计调整 分析log日志 自己动手写spring(六) 支持FactoryBean 自己动手写spring(九) 总结 自己动手写spring(五) bean的生命周期管理 自己动手写spring(四) 整合xml与注解方式 自己动手写spring(三) 支持注解方式 自己动手写spring(二) 创建一个bean工厂 自己动手写spring(一) 使用digester varnish 简单使用 关于docker image的那点事儿 基于docker搭建测试环境 分布式配置系统 JVM执行 git maven/ant/gradle/make使用 再看tcp kv系统 java nio的多线程扩展 《Concurrency Models》笔记 回头看Spring IOC IntelliJ IDEA使用 Java泛型 vagrant 使用 Go常用的一些库 Python初学 Goroutine 调度模型 虚拟网络 《程序员的自我修养》小结 Kubernetes存储 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件 Go基础 JVM类加载 硬币和扑克牌问题 LRU实现 virtualbox 使用 ThreadLocal小结 docker快速入门

架构

bert rerank微调 大模型推理tips RAG向量检索与微调 dddfirework源码分析 RAG与知识图谱 大模型推理服务框架vLLM 大模型推理服务框架 模型服务化(未完成) 大模型Post-Training 大模型训练 大模型推理 从Attention到Transformer k8s设备管理 ddd从理念到代码 如何应用LLM 小鼠如何驾驭大象(LLM)? 多类型负载协调员Koordinator controller-runtime细节分析 finops学习 kubevela多集群 kubevela中cue的应用 基于k8s的工作流 kubevela源码分析 容器和CPU那些事儿 数据集管理fluid 应用管理平台kubevela karmada支持crd 多集群管理 AutoML和AutoDL 特征平台 实时训练 分布式链路追踪 K8S YAML 资源清单管理方案 tensorflow原理——python层分析 如何学习tensorflow 数据并行——allreduce 数据并行——ps 推荐系统embedding原理及实践 机器学习中的python调用c 机器学习训练框架概述 tensornet源码分析 大模型训练和推理 X的生成——特征工程 tvm tensorflow原理——core层分析 模型演变 《深度学习推荐系统实战》笔记 keras 和 Estimator tensorflow分布式训练 分布式训练的一些问题 基于Volcano的弹性训练 图神经网络 pytorch弹性分布式训练 从混部到统一调度 从RNN到Attention pytorch分布式训练 CNN 《动手学深度学习》笔记 pytorch与线性回归 多活 volcano特性源码分析 推理服务 kubebuilder 学习 mpi 学习pytorch client-go学习 提高gpu 利用率 GPU与容器的结合 GPU入门 AI云平台梳理 tensorflow学习 tf-operator源码分析 k8s批处理调度/Job调度 喜马拉雅容器化实践 Kubernetes 实践 学习rpc BFF openkruise学习 可观察性和监控系统 基于Kubernetes选主及应用 《许式伟的架构课》笔记 Admission Controller 与 Admission Webhook 发布平台系统设计 k8s水平扩缩容 Scheduler如何给Node打分 Scheduler扩展 深入controller openkruise cloneset学习 controller-runtime源码分析 pv与pvc实现 csi学习 client-go informer源码分析 kubelet 组件分析 调度实践 Pod是如何被创建出来的? 《软件设计之美》笔记 mecha 架构学习 Kubernetes events学习及应用 CRI——kubelet与容器引擎之间的接口 资源调度泛谈 业务系统设计原则 grpc学习 元编程 以应用为中心 istio学习 下一代微服务Service Mesh 《实现领域驱动设计》笔记 概率论 serverless 泛谈 《架构整洁之道》笔记 处理复杂性 那些年追过的并发 服务器端编程 网络通信协议 架构大杂烩 如何学习架构 《反应式设计模式》笔记 项目的演化特点 反应式架构摸索 函数式编程的设计模式 服务化 ddd反模式——CRUD的败笔 研发效能平台 重新看面向对象设计 业务系统设计的一些体会 函数式编程 《左耳听风》笔记 业务程序猿眼中的微服务管理 DDD实践——CQRS 项目隔离——案例研究 《编程的本质》笔记 系统故障排查汇总及教训 平台支持类系统的几个点 代码腾挪的艺术 abtest 系统设计汇总 《从0开始学架构》笔记 初级权限系统设计 领域驱动理念 现有上传协议分析 移动网络下的文件上传要注意的几个问题 推送系统的几个基本问题 做配置中心要想好的几个基本问题 不同层面的异步 分层那些事儿 性能问题分析 用户认证问题 资源的分配与回收——池 消息/任务队列

标签

k8s设备管理 多类型负载协调员Koordinator controller-runtime细节分析 finops学习 kubevela多集群 kubevela中cue的应用 基于k8s的工作流 kubevela源码分析 容器和CPU那些事儿 数据集管理fluid 应用管理平台kubevela karmada支持crd 多集群管理 K8S YAML 资源清单管理方案 从混部到统一调度 volcano特性源码分析 kubebuilder 学习 client-go学习 tf-operator源码分析 k8s批处理调度/Job调度 喜马拉雅容器化实践 Kubernetes 实践 openkruise学习 基于Kubernetes选主及应用 Admission Controller 与 Admission Webhook k8s水平扩缩容 Scheduler如何给Node打分 Scheduler扩展 深入controller openkruise cloneset学习 controller-runtime源码分析 pv与pvc实现 csi学习 client-go informer源码分析 kubelet 组件分析 调度实践 Pod是如何被创建出来的? Kubernetes events学习及应用 CRI——kubelet与容器引擎之间的接口 资源调度泛谈 如何学习Kubernetes 以应用为中心 kubernetes operator kubernetes扩缩容 serverless 泛谈 什么是云原生 自定义CNI IPAM docker和k8s安全访问机制 Kubernetes监控 Kubernetes 控制器模型 Kubernetes资源调度——scheduler Kubernetes类型系统 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 Kubernetes源码分析——从kubectl开始 kubernetes yaml配置 CNI——容器网络是如何打通的 当我在说PaaS时,我在说什么 《深入剖析kubernetes》笔记 Kubernetes存储 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件
上下文记忆 agentic chat bert rerank微调 大模型推理tips LLM一些探索 Agent实践 LLM预训练 RAG向量检索与微调 LLM微调实践 RAG与知识图谱 大模型推理服务框架vLLM Agent Functon Calling LLamaIndex入门 Multi-Agent探索 LLM工作流编排 大模型推理服务框架 模型服务化(未完成) 大模型Post-Training 大模型训练 大模型推理 从Attention到Transformer 下一个平台Agent 激发LLM涌现——提示工程 LLM微调理论 大佬沉思 LLM外挂知识库 LLMOps 多模态LLM Transformers源码学习 LangChain源码学习 如何应用LLM 小鼠如何驾驭大象(LLM)? AutoML和AutoDL 特征平台 实时训练 tensorflow原理——python层分析 如何学习tensorflow 数据并行——allreduce 数据并行——ps 推荐系统embedding原理及实践 机器学习中的python调用c 机器学习训练框架概述 tensornet源码分析 大模型训练和推理 X的生成——特征工程 tvm tensorflow原理——core层分析 模型演变 《深度学习推荐系统实战》笔记 keras 和 Estimator tensorflow分布式训练 分布式训练的一些问题 基于Volcano的弹性训练 图神经网络 pytorch弹性分布式训练 从RNN到Attention pytorch分布式训练 CNN 《动手学深度学习》笔记 pytorch与线性回归 推理服务 mpi 学习pytorch 提高gpu 利用率 GPU与容器的结合 GPU入门 AI云平台梳理 tensorflow学习 kaggle泰坦尼克问题实践 神经网络模型优化 概率论 直觉上理解深度学习 如何学习机器学习 深度学习泛谈

学习pytorch

2021年09月06日

简介

Pytorch 由 Facebook 人工智能研究院于 2017 年推出,具有强大的 GPU 加速张量计算功能,并且能够自动进行微分计算,从而可以使用基于梯度的方法对模型参数进行优化。

安装 Ubuntu 20.04 下的 PyTorch(CPU版)安装及配置

什么是pytorch

Pytorch详细介绍(上)Pytorch是一个很容易学习、使用和部署的深度学习库。PyTorch同时提供了更高性能的C++ API(libtorch)。Pytorch使用Tensor作为核心数据结构,Tensor(张量)是神经网络世界的Numpy,其类似与Numpy数组,但是又不同于Numpy数组。为了提高Tensor的计算速度,有大量的硬件和软件为了Tensor运算进行支持和优化。总得来说,Tensor具有如下特点:

  1. 具有类似Numpy的数据,Tensor可以与Numpy共享内存;
  2. 可以指定计算设备,例如,设定Tensor是在CPU上计算,还是在GPU上计算;
  3. Tensor可微分。
  4. 通过访问张量的device属性可以获取张量所在的设备

PyTorch工作流以及与每个步骤相关联的重要模块

[源码解析] PyTorch 分布式(8) ——– DistributedDataParallel 之 论文篇

  1. PyTorch organizes values into Tensors which are generic n-dimensional arrays with a rich set of data manipulating operations.
  2. A Module defines a transform from input val- ues to output values, and its behavior during the forward pass is specified by its forward member function. A Module can contain Tensors as parameters. For example, a Linear Module contains a weight parameter and a bias parameter, whose forward function generates the output by multiplying the input with the weight and adding the bias. An application composes its own Module by stitching together native Modules (e.g., linear, convolution, etc.) and Functions (e.g., relu, pool, etc.) in the custom forward function.
  3. A typical training iteration contains a forward pass to generate losses using inputs and labels, a backward pass to compute gradients for parameters, and an optimizer step to update parameters using gradients. More specifically, during the forward pass, PyTorch builds an autograd graph to record actions performed. Then, in the backward pass, it uses the autograd graph to conduct backpropagation to generate gradients. Finally, the optimizer applies the gradients to update parameters. The training process repeats these three steps until the model converges.

pytorch基础

Fatescript:pytorch核心就是对于可以反向传播的算子的scale,换言之,就是如何保证可以加入众多的算子,而整个自动求导系统不会崩溃。为了解决这个问题,torch团队设计了的精妙的Tensor和Autograd体系,引入了算子的registry / dispatch等机制。

在用Pytorch构建自己的深度学习模型的时候,基本是按照四个步骤进行的,

  • 一是输入处理模块,X输入数据,变成神经网络能够处理的Tensor类型。
  • 二是模型构建模块,主要负责从输入的数据,得到预测yhat,这就是通常讲的前向过程。
  • 三是定义损失函数和优化器模块,注意前向过程只会得到模型预测的结果,并不会自动求导和更新
  • 构建训练过程,迭代训练过程。

张量/Tensor

张量本质上讲就是一个多维数组,用于在算子之间传递数据,而这需要张量不仅仅只有存放数据的功能,我们还需要对张量的操纵方法等进行定义。为了更好地满足计算密集型任务的需求,一个张量类不仅需要在软件工程的层面上优化对外接口,还需要提供高效的矩阵相乘等算法实现。尤其是对于深度学习推理等任务来说,高效实现这些算法至关重要。PS:底层还要封装对显存的申请与释放。

对于一个张量类而言,数据将被设计成依次摆放的三维格式,分别是channels(通道数), rows(行数),cols(列数)。一个张量类主要由以下部分组成:

  1. 数据本身存储在该类的数据空间中,数据可包括双精度(double)、单精度(float)或整型(int)。
  2. 为了处理多维张量数据,需要使用shape变量来存储张量的维度信息。例如,对于一个维度为3,长和宽均为224的张量,其维度信息可以表示为(3, 224, 224)。
  3. 张量类中定义了多个类方法,如返回张量的宽度、高度、填充数据和张量变形 (reshape)等操作。
# 创建的张量会存储在内存中并使用 CPU 进行计算
>>> array = [[1.0, 3.8, 2.1], [8.6, 4.0, 2.4]]
>>> torch.tensor(array)
tensor([[1.0000, 3.8000, 2.1000],
        [8.6000, 4.0000, 2.4000]])
# 在 GPU 中创建张量或者将张量送入到 GPU 中
>>> torch.rand(2, 3).cuda()
tensor([[0.0405, 0.1489, 0.8197],
        [0.9589, 0.0379, 0.5734]], device='cuda:0')

张量计算

  1. 数学运算,张量的加减乘除是按元素进行计算的,其它如 torch.dot() 计算向量点积、torch.mm() 计算矩阵相乘、三角函数和各种数学函数等
  2. 张量操作函数,如聚合 (aggregation)、拼接 (concatenation)、比较、随机采样、序列化等
  3. 调整张量形状,形状转换;转置;交换维度;
  4. 广播机制,前面我们都是假设参与运算的两个张量形状相同。在有些情况下,即使两个张量形状不同,也可以通过广播机制 (broadcasting mechanism) 对其中一个或者同时对两个张量的元素进行复制,使得它们形状相同,然后再执行按元素计算。
  5. 索引与切片
  6. 降维与升维,有时为了计算需要对一个张量进行降维或升维。例如神经网络通常只接受一个批次 (batch) 的样例作为输入,如果只有 1 个输入样例,就需要手工添加一个 batch 维度。
  7. 自动微分, 提供自动计算梯度的功能,可以自动计算一个函数关于一个变量在某一取值下的导数,从而基于梯度对参数进行优化,这就是机器学习中的训练过程。使用 Pytorch 计算梯度非常容易,只需要执行 tensor.backward(),就会自动通过反向传播 (Back Propogation) 算法完成。
     >>> x = torch.tensor([2.], requires_grad=True)
     >>> y = torch.tensor([3.], requires_grad=True)
     >>> z = (x + y) * (y - 2)
     >>> print(z)
     tensor([5.], grad_fn=<MulBackward0>)
     >>> z.backward()
     >>> print(x.grad, y.grad)
     tensor([1.]) tensor([6.])
    

数据读取

对于数据处理,最为简单的⽅式就是将数据组织成为⼀个Tensor 。但许多训练需要⽤到mini-batch,直接组织成Tensor不便于我们操作。Pytorch 提供了 DataLoader 和 Dataset 类(或 IterableDataset)专门用于处理数据,它们既可以加载 Pytorch 预置的数据集,也可以加载自定义数据。

  1. Dataset用来表示数据集。通过继承 Dataset 类来自定义数据集的格式、大小和其它属性,后面就可以供 DataLoader 类直接使用。
  2. 如果数据量很大,考虑到内存有限、I/O 速度等问题,在训练过程中不可能一次性的将所有数据全部加载到内存中,也不能只用一个进程去加载,所以就需要多进程、迭代加载,而 DataLoader 就是基于这些需要被设计出来的。DataLoader 是一个迭代器,最基本的使用方法就是传入一个 Dataset 对象,它会根据参数 batch_size 的值生成一个 batch 的数据,节省内存的同时,它还可以实现多进程、数据打乱等处理。
from torch.utils.data import DataLoader
class MyDataset(Dataset):
    def __init__(self):
        self.data = torch.tensor([[1,2,3],[2,3,4],[3,4,5],[4,5,6]])
        self.label = torch.LongTensor([1,1,0,0])
    # for index,data in enumerate(Dataset)  时data 即为 __getitem__ 的返回值
    def __getitem__(self,index):
        return self.data[index],self.label[index]model
    def __len__(self):
        return len(self.data)
my_dataset = MyDataset()
tensor_dataloader = DataLoader(dataset=my_dataset, # 传入的数据集, 必须参数
                               batch_size=2,       # 输出的batch大小
                               shuffle=True,       # 数据是否打乱
                               num_workers=0)      # 进程数, 0表示只有主进程

# 以循环形式输出
for inputs, labels in tensor_dataloader: 
    print(inputs, labels)

Torchvision 库中的torchvision.datasets包中提供了丰富的图像数据集的接口。常用的图像数据集,例如 MNIST、COCO 等,这个模块都为我们做了相应的封装。 它的工作方式是先从网络上把数据集下载到用户指定目录,然后再用它的加载器把数据集加载到内存中。最后,把这个加载后的数据集作为对象返回给用户。


# 以MNIST为例
import torchvision
mnist_dataset = torchvision.datasets.MNIST(root='./data',
    train=True,
    transform=None,
    target_transform=None,
    download=True)

模块/模型

Pytorch 所有的模块(层)都是 nn.Module 的子类,神经网络模型本身就是一个模块,它还包含了很多其他的模块。

# torch.nn是专门为神经网络设计的模块化接口,nn构建于autograd之上,可以用来定义和运行神经网络。
import torch.nn as nn
class LinearModel(nn.Module):
    def __init__(self,ndim):
        super(LinearModel,self).__init__()
        self.ndim = ndim
        # 需要使用nn.Parameter来包装这些参数,使之成为子模块(仅仅由参数构成的子模块),这是因为在后续训练的时候需要对参数进行优化,只有将张量转换为参数才能在后续的优化过程中被优化器访问到。
        self.weight = nn.Parameter(torch.randn(ndim,1)) # 定义权重
        self.bias = nn.Parameter(torch.randn(1)) # 定义偏置
    def forward(self,x):
        # y = Wx +b
        return x.mm(self.weight) + self.bias

模块本身是一个类nn.Module,PyTorch的模型通过继承该类,通过 __init__() 初始化模型中的层和参数,通过前向计算调用子模块(在 forward() 中定义模型的操作),只要在nn.Module的子类中定义了forward函数,backward函数就会被自动实现(利用Autograd)。 在forward函数中可以使用任何Variable支持的函数,在整个pytorch构建的图中,是Variable在流动,还可以使用if,for,print,log等python语法。PS: forward 即为在构建计算图

class LeNet(nn.Module):
    def __init__(self):
        # nn.Module的子类函数必须在构造函数中执行父类的构造函数
        super(LeNet, self).__init__()   # 等价与nn.Module.__init__()
        # nn.Conv2d返回的是一个Conv2d class的一个对象,该类中包含forward函数的实现
        self.conv1 = nn.Conv2d(1, 6, (5, 5))   # output (N, C_{out}, H_{out}, W_{out})`
        self.conv2 = nn.Conv2d(6, 16, (5, 5))
        self.fc1 = nn.Linear(256, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)
 
    def forward(self, x):
        # 当调用self.conv1(input)的时候,就会调用该类的forward函数
        x = F.max_pool2d(F.relu(self.conv1(x)), (2, 2))  # F.max_pool2d的返回值是一个Variable
        x = F.max_pool2d(F.relu(self.conv2(x)), (2, 2))
        x = x.view(x.size()[0], -1)
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = F.relu(self.fc3(x))
        # 返回值也是一个Variable对象
        return x

Pytorch基于nn.Module构建的模型中,只支持mini-batch的Variable输入方式,比如,只有一张输入图片,也需要变成 N x C x H x W 的形式。

class Module:
    dump_patches: bool = False
    _version: int = 1
    training: bool      # 本网络是否正在训练
    _is_full_backward_hook: Optional[bool]

    def __init__(self):
        """
        Initializes internal Module state, shared by both nn.Module and ScriptModule.
        """
        torch._C._log_api_usage_once("python.nn_module")

        self.training = True
        self._parameters = OrderedDict()            # 在训练过程中会随着 BP 而更新的参数
        self._buffers = OrderedDict()               # 在训练过程中不会随着 BP 而更新的参数
        self._non_persistent_buffers_set = set()
        self._backward_hooks = OrderedDict()
        self._is_full_backward_hook = None
        self._forward_hooks = OrderedDict()
        self._forward_pre_hooks = OrderedDict()
        self._state_dict_hooks = OrderedDict()
        self._load_state_dict_pre_hooks = OrderedDict()
        self._modules = OrderedDict()       # 本网络下属的子模块,采取迭代的方式进行定义

Module的成员变量主要分为状态参数和hooks函数。当一个模型的网络结构被定义之后,self._parameters(比如卷积 将存放stride, padding, kernel size等信息) 和 self._buffers的组合是一个模型的具体状态。所谓 model.to(device) 实质就是 将 _parameters和_buffers 放到device中。

优化模型参数

定义损失函数和优化器

criterion = torch.nn.BCELoss(reduction='sum')   # 损失函数
optimizer = torch.optim.Adam(model.parameters(), lr=0.0001, betas=(0.9,0.999), eps=1e-08, weight_decay=0, amsgrad=False)  # 优化器                 

构建训练过程。在准备好数据、搭建好模型之后,我们就可以开始训练和测试(验证)模型了。模型训练是一个迭代的过程,每一轮 epoch 迭代中模型都会对输入样本进行预测,然后对预测结果计算损失 (loss),并求 loss 对每一个模型参数的偏导,最后使用优化器更新所有的模型参数。每一轮迭代 (Epoch) 实际上包含了两个步骤:

  1. 训练循环 (The Train Loop) 在训练集上进行迭代,尝试收敛到最佳的参数;在训练循环中,优化器通过以下三个步骤进行优化:
    1. 调用 optimizer.zero_grad() 重设模型参数的梯度。默认情况下梯度会进行累加,为了防止重复计算,在每个训练阶段开始前都需要清零梯度;
    2. 通过 loss.backwards() 反向传播预测结果的损失,即计算损失对每一个参数的偏导;
    3. 调用 optimizer.step() 根据梯度调整模型的参数。
  2. 验证/测试循环 (The Validation/Test Loop) 在测试/验证集上进行迭代以检查模型性能有没有提升。
train_dset = datasets.MNIST('data', train=True, download=True,...)
train_loader = torch.utils.data.DataLoader(train_dset, shuffle=True, batch_size=64)
# 把模型放入 CUDA 设备
model = BasicNet().to(device)
# 构建优化器
optimizer = optim.AdamW(model.parameters(), lr=1e-3)
model.train()
for batch_idx, (data, target) in enumerate(train_loader):
    data, target = data.to(device), target.to(device)
    output = model(data)  # 实际执行model.forward
    loss = F.nll_loss(output, target)
    loss.backward()
    optimizer.step()
    optimizer.zero_grad()

保存及加载模型

一般模型保存,将它们放到一个字典中,然后使用torch.save()序列化这个字典

import torch
import torchvision.models as models

torch.save({
            'epoch': epoch,
            'model_state_dict': model.state_dict(),
            'optimizer_state_dict': optimizer.state_dict(),
            'loss': loss,
            ...
            }, PATH)

加载各个组件,首先初始化模型和优化器,然后使用torch.load()加载保存的字典,然后可以直接查询字典中的值来获取保存的组件。

model = TheModelClass(*args, **kwargs)
optimizer = TheOptimizerClass(*args, **kwargs)

checkpoint = torch.load(PATH)
model.load_state_dict(checkpoint['model_state_dict'])
optimizer.load_state_dict(checkpoint['optimizer_state_dict'])
epoch = checkpoint['epoch']
loss = checkpoint['loss']

model.eval()
# - 或者 -
model.train()

使用gpu

torch.cuda用于设置 cuda 和运行cuda操作。它跟踪当前选定的GPU,默认情况下,用户分配的所有CUDA张量都将在该设备上创建。用户可以使用 torch.cuda.device 来修改所选设备。一旦分配了张量,可以对其执行操作,而不考虑所选设备,PyTorch 会把运行结果与原始张量放在同一设备上。

cpu = torch.device("cpu")
gpu = torch.device("cuda:0")  # 使用第一个gpu
x = torch.rand(10)
x = x.to(gpu)

移动模型到GPU这个动作的背后究竟做了哪些操作?调用 cuda 或者 to 方法来移动模型到GPU,其实就是把模型的self._modules、self._parameters 和 self._buffers 移动到 GPU。实际上没有对 self._modules 进行移动。这个移动过程是递归调用的,是把模型每个子modules 的 _parameters 和 _buffers 都移动到了 GPU 之上。

class Module:
    def to(self, *args, **kwargs):
         def convert(t):
            ...
            return t.to(device, dtype if t.is_floating_point() or t.is_complex() else None, non_blocking)
        return self._apply(convert)
    def _apply(self, fn):
        for module in self.children():
            module._apply(fn)
        for key, param in self._parameters.items():
            ...
        for key, buf in self._buffers.items():
            if buf is not None:
                self._buffers[key] = fn(buf)
        return self

PyTorch在进行深度学习训练的时候,有4大部分的显存开销,分别是模型参数(parameters),模型参数的梯度(gradients),优化器状态(optimizer states)以及中间激活值(intermediate activations)

1.模型定义:定义了模型的网络结构,产生模型参数;
while(你想训练):
    2.前向传播:执行模型的前向传播,产生中间激活值;
    3.后向传播:执行模型的后向传播,产生梯度;
    4.梯度更新:执行模型参数的更新,第一次执行的时候产生优化器状态。

用v0.1.0 来解释正向和反向传播

看了非常多文章, 找到一篇比价好的,从v0.1.0 视角讲,清晰很多。 读源码理解 Pytorch 的 autograd 机制 本文的目的是为了让大家能有个初步的理解,故使用的源码是 Pytorch v0.1.0。 那个时候 tensor 叫 Variable

import torch
from torch.autograd import Variable

y = Variable(torch.randn(0, 10)).view(1, 10)
x = Variable(torch.randn(0, 20)).view(1, 10)
W = Variable(torch.randn(1, 1), requires_grad=True)

learning_rate = 0.001
for _ in range(100000):
    y_ = torchy.mm(W, x)
    loss = torch.sum(torch.abs(y_ - y))
    loss.backward()
    
    W.data -= W.grad.data * learning_rate       # 拿着梯度更新参数,对应高版本的 optimizer.step() 
    W.grad.data.zero_()

前向传播

在前向运算中 构建 计算图,以计算 y_-y 为例,在完成减法运算的同时,通过重写减法运算法带了私货:创建了Sub 实例 将Sub 与 y 与 y_ 对应的Function 关联起来 组成计算图。

y_-y 
y_.sub(y)
    Sub()(y_,y)     # Variable 计算创建出一个 Function
    Function.__call__
    Function._do_forward(*input) 
        Sub.forward(*unpacked_input)
        output = Variable(output_tensor, Sub)   # 中间 Variable,虽然不可见,但是串联 Function 的桥梁 
        Sub.previous_functions = (y_.creator, y.creator)

y_ - y,对应的方法是 __sub__,开头结尾都是双下划线的方法是 Python 语言中的 magic method,在这里 __sub__ 的作用是重写减法运算符。可以看到减法最终会调用的 Sub 这个类的实例

class Variable(object):
    def __sub__(self, other):
        return self.sub(other)
    def sub(self, other):
        if isinstance(other, Variable):
            return Sub()(self, other)[0]
        else:
            return SubConstant(other)(self)[0]
class Sub(Function):
    def forward(self, a, b):
        return a.sub(b)
    def backward(self, grad_output):
        return grad_output, grad_output.neg()

Sub 的父类是 Function, Sub()(self, other) 也就是 Function.__call__ ==> Function._do_forward

class Function(object):
    def __call__(self, *input):
        return self._do_forward(*input)
    
    def _do_forward(self, *input):
        unpacked_input = tuple(arg.data for arg in input)
        raw_output = self.forward(*unpacked_input)
        if not isinstance(raw_output, tuple):
            raw_output = (raw_output,)
        self.needs_input_grad = tuple(arg.creator.requires_grad for arg in input)
        self.requires_grad = any(self.needs_input_grad)
        # 创建 Variable 时 将Function 作为Variable 的creator
        output = tuple(Variable(tensor, self) for tensor in raw_output)
        # 建立关联关系 ==> 构建 计算图
        self.previous_functions = [(arg.creator, id(arg)) for arg in input]
        self.output_ids = {id(var): i for i, var in enumerate(output)}
        return output
    ...

反向传播

广度优先遍历所有 functions 并执行_do_backward:从 loss.creator 也就是图的终点Function 开始,拿到 previous_functions 执行 _do_backward,并将prev_fn.previous_functions 加入ready queue。

loss.backward
Variable.backward(self,grad)
    Variable._execution_engine.run_backward(self, grad)
    ExecutionEngine.run_backward(self,variable,grad)
        dependencies = Variable._compute_dependencies(variable.creator) ## 从图的终点Function 开始广度优先遍历 所有functions 统计下信息
        ready = [(variable.creator, (grad,))]
        fn, grad = ready.pop()
        while len(ready) > 0:
            grad_input = fn._do_backward(*grad)  # 执行各个Function 定义的 backward 方法
            for (prev_fn, arg_id), d_prev_fn in zip(fn.previous_functions, grad_input):  # 广度优先遍历所有 functions 并执行_do_backward
                output_nr = self._free_backward_dependency(dependencies, prev_fn, fn, arg_id)
                is_ready = self._is_ready_for_backward(dependencies, prev_fn)
                if is_ready:
                     ready.append((prev_fn, (d_prev_fn,)))
  1. 反向传播传播的啥?
  2. 以减法 tmp = y_-y 为例,反向 上游 tmp 的梯度 grad_output 通过 Sub.backward 传播 给y_ 的是 grad_output * 1,给y 的是 grad_output * -1,对应到链式法则 就是 $\frac{d_loss}{dy} = \frac{d_loss}{d_tmp} * \frac{d_tmp}{dy}$。
  3. 各种Function backward 的逻辑是: $\frac{dl}{df} * \frac{df}{d_input}$ (df 表示当前function),有几个input 算几个,代码上没按矩阵乘法形式来,直接给了结果。
  4. Function.input 可以存储input Variable,估计也可以存储其它状态,比如分段函数 可以在forward 时记录用了哪个分段,backward时就可以 用该分段的导数,这就解释了为什么分段函数也可以反向传播。可以对照 Sub/Mul/Div backward 方法找找感觉。
class Sub(Function):
    def backward(self, grad_output):
        return grad_output, grad_output.neg()
class Mul(Function):
    def forward(self, a, b):
        self.input = (a, b)
        return a.mul(b)
    def backward(self, grad_output):
        a, b = self.input
        return grad_output.mul(b), grad_output.mul(a)
class Div(Function):
    def forward(self, a, b):
        self.input = (a, b)
        return a.div(b)
    def backward(self, grad_output):
        a, b = self.input
        return grad_output.div(b), grad_output.neg().mul(a).div_(b).div_(b)

更新 Variable 中 grad 的逻辑在哪里呢?在 Leaf 这个特殊的 Function 里面。可以看到,相对于普通的计算 Function 来说,Leaf 在 backward 中做的事情是更新 grad。

class Leaf(Function):
    def __init__(self, variable, requires_grad):
        self.variable = variable
        self.output_ids = {id(variable): 0}
        self.previous_functions = []
        self.requires_grad = requires_grad
        self.backward_hooks = OrderedDict()
    def _do_forward(self, *input):
        raise NotImplementedError
    def _do_backward(self, *grad_output):
        assert len(grad_output) == 1
        for hook in self.backward_hooks.values():
            hook(grad_output, grad_output)
        self.variable.grad.add_(grad_output[0])
        return tuple()

对于backward_hooks, DDP 使用构造时注册的 autograd hooks 来触发梯度同步。当一个梯度准备好时,它在该梯度累加器上的相应 DDP 钩子将触发,在 autograd_hook 之中进行all-reduce。allreduce操作完成,将平均梯度写入param.grad所有参数的字段。所有进程的梯度都会reduce,更新之后,大家的模型权重都相同。所以在向后传播完成之后,跨不同DDP进程的对应的相同参数上的 grad 字段应该是相等的。

观察一个运行中的Tensor

Q = {Tensor} 
 data = {Tensor} tensor(-12.)           # 该张量的数据
 device = {device} cpu                      # 存放该张量的设备类型
 dtype = {dtype} torch.float32          # 张量的数据类型
 grad = {NoneType} None                 # 保存数据data对应的梯度,和数据data的形状一样
 grad_fn = {SubBackward0}               # grad_fn的作用是记录创建该张量时所用的函数,每一个前向传播操作的函数都有与之对应的反向传播函数用来计算输入的各个 variable 的梯度,这些函数的函数名通常以Backward结尾
  metadata = {dict: 0} {}
  next_functions = {tuple: 2} 
   0 = {tuple: 2} (<MulBackward0 object at 0x000001F9547A5848>, 0)
   1 = {tuple: 2} (<PowBackward0 object at 0x000001F9547A53C8>, 0)
   __len__ = {int} 2
  requires_grad = {bool} True           # 表示该Tensor是否需要求导,如否,在反向传播过程中,该节点所在的子图会被排除在计算过程之外。
 is_cuda = {bool} False 
 is_leaf = {bool} False                 # 记录该张量是否是叶子节点
 is_meta = {bool} False
 is_mkldnn = {bool} False
 is_mlc = {bool} False
 is_quantized = {bool} False
 is_sparse = {bool} False
 is_sparse_csr = {bool} False
 is_vulkan = {bool} False
 is_xpu = {bool} False
 layout = {layout} torch.strided
 name = {NoneType} None
 names = {tuple: 0} ()
 ndim = {int} 0
 output_nr = {int} 0
 requires_grad = {bool} True
 shape = {Size: 0} torch.Size([])

各种大杂烩

一文详解pytorch的“动态图”与“自动微分”技术 - DL-Practise的文章 - 知乎

  1. 我们手工编写的forward函数就是pytorch前向运行的动态图。当代码执行到哪一句的时候,网络就运行到哪一步。
  2. 实际上pytorch并没有显式的去构建一个所谓的动态图,本质就是按照forward的代码执行流程走了一遍而已。那么对于反向传播,因为我们没有构建反向传播的代码,pytorch也就无法像前向传播那样,通过我们手动编写的代码执行流进行反向传播。那么pytorch是如何实现精确的反向传播的呢?其实最大的奥秘就藏在tensor的grad_fn属性里面。Pytorch中的tensor对象都有一个叫做grad_fn的属性,它实际上是一个链表。grad_fn是python层的封装,其实现对应的就是pytorch源码在autograd下面的node对象,为C++实现
  3. Pytorch中的tensor有两种产生方式,一种是凭空创建的,例如一些op里面的params,训练的images,这些tensor,他们不是由其他tensor计算得来的,而是通过torch.zeros(),torch.ones(),torch.from_numpy()等凭空创建出来的。另外一种产生方式是由某一个tensor经过一个op计算得到,例如tensor a通过conv计算得到tensor b。其实这两种op创建方式对应的就是leaf节点(叶子节点)和非leaf(非叶子节点)。非leaf节点的grad_fn是有值的,因为它的梯度需要继续向后传播给创建它的那个节点。而leaf节点的grad_fn为None,因为他们不是由其他节点创建而来,他们的梯度不需要继续反向传播。
  4. tensor的grad_fn是如何构建的?无论是我们自己编写的上层代码,还是在pytorch底层的op实现里面,并没有显示的去创建grad_fn,那么它是在何时,又是如何组装的?Pytorch会对所有底层算子进一个二次封装,在做完正常的op前向之后,增加了grad_fn的设置,next_functions的设置等流程。PS: grad_fn的作用是记录创建该张量时所用的函数

  5. 每一个前向传播操作的函数都有与之对应的反向传播函数用来计算输入的各个 variable 的梯度,这些函数的函数名通常以Backward结尾。比如 加法对应 AddBackward。 在pytorch v0.1.0 中
    class Sub(Function):
         def forward(self, a, b):
             return a.sub(b)
         def backward(self, grad_output):
             return grad_output, grad_output.neg()
    
  6. torch.autograd.backward(z) == z.backward() 是等价的,不管正向 反向传播套了多少壳,Pytorch中所有的计算其实都可以回归到Tensor上,矩阵计算。
  7. optimizer.step()这个部分, 里面的逻辑也非常简单, 就是刚刚有AccumulateGrad( AccumulateGrad 会放在 backward 的最后一个 node 拿來做累加 grad) 到的训练参数,就代表需要update它的参数,在optimizer中就会去找那些需要更新。 对应到pytorch v0.1.0 w = Variable(w - 0.1 * w.grad.data,requires_grad=True)

《用python实现深度学习框架》:从计算图中作为结果的节点开始,依次从后向前,每个节点都将结果 对自己的雅克比矩阵 和 自己对父节点的雅克比矩阵 传给父节点,根据链式法则,父节点将这二者想乘就得到 结果对自己的雅克比矩阵。PS: 所以反向传播这块,虽然意思差不多,但各家实现差异还是蛮大的。

反向传播原理的演算上(比如基于两层感知机 推导loss 对每一个 w 的偏微分)、矩阵表达上、代码实现上(计算图, 不同的框架库也有不同的实现)形态是不同的,比较难理论与实际结合,这个在学习上要注意。

部署

如何部署 PyTorch 模型 TorchServe

其它

PyTorch Hub,通过PyTorch Hub,用户可以获得一系列预训练的深度学习模型,主要包括计算机视觉、自然语言处理、生成式模型和音频模型等,这些预训练模型的出现能有效地加快用户开发新型的深度学习模型,方便用户构建基线模型和复现深度学习模型的效果。

PyTorch Lightning工具学习Pytorch Lightning是在Pytorch基础上进行封装的库(可以理解为keras之于tensorflow),为了让用户能够脱离PyTorch一些繁琐的细节,专注于核心代码的构建,提供了许多实用工具,可以让实验更加高效。 文中以MNIST 为例列出了 使用原生pytorch 和PyTorch Lightning 的代码对比。

PyTorch深度学习技术生态

微软推出的 DeepSpeed 开源库,做为 Pytorch 框架在大模型训练方向上的补充。

这是我见过最好的NumPy图解教程!NumPy是Python中用于数据分析、机器学习、科学计算的重要软件包。它极大地简化了向量和矩阵的操作及处理。《用python实现深度学习框架》用python 和numpy 实现了一个深度学习框架MatrixSlow

  1. 支持计算图的搭建、前向、反向传播
  2. 支持多种不同类型的节点,包括矩阵乘法、加法、数乘、卷积、池化等,还有若干激活函数和损失函数。比如向量操作pytorch 跟numpy 函数命名都几乎一样
  3. 提供了一些辅助类和工具函数,例如构造全连接层、卷积层和池化层的函数、各种优化器类、单机和分布式训练器类等,为搭建和训练模型提供便利