我們現(xiàn)在準(zhǔn)備好通過線性回歸的全功能實(shí)現(xiàn)來工作。在本節(jié)中，我們將從頭開始實(shí)現(xiàn)整個(gè)方法，包括（i）模型；(ii) 損失函數(shù)；(iii) 小批量隨機(jī)梯度下降優(yōu)化器；(iv) 將所有這些部分拼接在一起的訓(xùn)練功能。最后，我們將運(yùn)行3.3 節(jié)中的合成數(shù)據(jù)生成器 并將我們的模型應(yīng)用于生成的數(shù)據(jù)集。雖然現(xiàn)代深度學(xué)習(xí)框架幾乎可以自動(dòng)執(zhí)行所有這些工作，但從頭開始實(shí)施是確保您真正了解自己在做什么的唯一方法。此外，當(dāng)需要自定義模型、定義我們自己的層或損失函數(shù)時(shí)，了解引擎蓋下的工作原理將很方便。在本節(jié)中，我們將僅依賴張量和自動(dòng)微分。稍后，我們將介紹一個(gè)更簡潔的實(shí)現(xiàn)，利用深度學(xué)習(xí)框架的花哨功能，同時(shí)保留以下結(jié)構(gòu)。

%matplotlib inline
import torch
from d2l import torch as d2l

%matplotlib inline
from mxnet import autograd, np, npx
from d2l import mxnet as d2l

npx.set_np()

%matplotlib inline
import jax
import optax
from flax import linen as nn
from jax import numpy as jnp
from d2l import jax as d2l

No GPU/TPU found, falling back to CPU. (Set TF_CPP_MIN_LOG_LEVEL=0 and rerun for more info.)

%matplotlib inline
import tensorflow as tf
from d2l import tensorflow as d2l

3.4.1. 定義模型

在我們開始通過小批量 SGD 優(yōu)化模型參數(shù)之前，我們首先需要有一些參數(shù)。在下文中，我們通過從均值為 0 且標(biāo)準(zhǔn)差為 0.01 的正態(tài)分布中抽取隨機(jī)數(shù)來初始化權(quán)重?；脭?shù) 0.01 在實(shí)踐中通常效果很好，但您可以通過參數(shù)指定不同的值sigma。此外，我們將偏差設(shè)置為 0。注意，對(duì)于面向?qū)ο蟮脑O(shè)計(jì)，我們將代碼添加到__init__子類的方法中（在3.2.2 節(jié)d2l.Module中介紹 ）。

class LinearRegressionScratch(d2l.Module): #@save
  """The linear regression model implemented from scratch."""
  def __init__(self, num_inputs, lr, sigma=0.01):
    super().__init__()
    self.save_hyperparameters()
    self.w = torch.normal(0, sigma, (num_inputs, 1), requires_grad=True)
    self.b = torch.zeros(1, requires_grad=True)

class LinearRegressionScratch(d2l.Module): #@save
  """The linear regression model implemented from scratch."""
  def __init__(self, num_inputs, lr, sigma=0.01):
    super().__init__()
    self.save_hyperparameters()
    self.w = np.random.normal(0, sigma, (num_inputs, 1))
    self.b = np.zeros(1)
    self.w.attach_grad()
    self.b.attach_grad()

class LinearRegressionScratch(d2l.Module): #@save
  """The linear regression model implemented from scratch."""
  num_inputs: int
  lr: float
  sigma: float = 0.01

  def setup(self):
    self.w = self.param('w', nn.initializers.normal(self.sigma),
              (self.num_inputs, 1))
    self.b = self.param('b', nn.initializers.zeros, (1))

class LinearRegressionScratch(d2l.Module): #@save
  """The linear regression model implemented from scratch."""
  def __init__(self, num_inputs, lr, sigma=0.01):
    super().__init__()
    self.save_hyperparameters()
    w = tf.random.normal((num_inputs, 1), mean=0, stddev=0.01)
    b = tf.zeros(1)
    self.w = tf.Variable(w, trainable=True)
    self.b = tf.Variable(b, trainable=True)

接下來，我們必須定義我們的模型，將其輸入和參數(shù)與其輸出相關(guān)聯(lián)。在(3.1.4)中使用相同的符號(hào)，對(duì)于我們的線性模型，我們簡單地采用輸入特征的矩陣向量乘積X和模型權(quán)重w，并加上偏移量b每個(gè)例子。Xw是一個(gè)向量并且b是一個(gè)標(biāo)量。由于廣播機(jī)制（參見 第 2.1.4 節(jié)），當(dāng)我們添加一個(gè)向量和一個(gè)標(biāo)量時(shí)，標(biāo)量將添加到向量的每個(gè)分量。生成的 方法 通過（在第 3.2.1 節(jié)中介紹 ）forward在類中注冊。LinearRegressionScratchadd_to_class

@d2l.add_to_class(LinearRegressionScratch) #@save
def forward(self, X):
  return torch.matmul(X, self.w) + self.b

@d2l.add_to_class(LinearRegressionScratch) #@save
def forward(self, X):
  return np.dot(X, self.w) + self.b

@d2l.add_to_class(LinearRegressionScratch) #@save
def forward(self, X):
  return jnp.matmul(X, self.w) + self.b

@d2l.add_to_class(LinearRegressionScratch) #@save
def forward(self, X):
  return tf.matmul(X, self.w) + self.b

3.4.2. 定義損失函數(shù)

由于更新我們的模型需要采用損失函數(shù)的梯度，因此我們應(yīng)該首先定義損失函數(shù)。這里我們使用（3.1.5）中的平方損失函數(shù)。在實(shí)現(xiàn)中，我們需要將真實(shí)值轉(zhuǎn)換y為預(yù)測值的形狀 y_hat。以下方法返回的結(jié)果也將具有與y_hat. 我們還返回小批量中所有示例的平均損失值。

@d2l.add_to_class(LinearRegressionScratch) #@save
def loss(self, y_hat, y):
  l = (y_hat - y) ** 2 / 2
  return l.mean()

@d2l.add_to_class(LinearRegressionScratch) #@save
def loss(self, y_hat, y):
  l = (y_hat - y) ** 2 / 2
  return l.mean()

@d2l.add_to_class(LinearRegressionScratch) #@save
def loss(self, params, X, y, state):
  y_hat = state.apply_fn({'params': params}, *X) # X unpacked from a tuple
  l = (y_hat - y.reshape(y_hat.shape)) ** 2 / 2
  return l.mean()

@d2l.add_to_class(LinearRegressionScratch) #@save
def loss(self, y_hat, y):
  l = (y_hat - y) ** 2 / 2
  return tf.reduce_mean(l)

3.4.3. 定義優(yōu)化算法

正如第 3.1 節(jié)中所討論的，線性回歸有一個(gè)封閉形式的解決方案。然而，我們這里的目標(biāo)是說明如何訓(xùn)練更通用的神經(jīng)網(wǎng)絡(luò)，這需要我們教您如何使用小批量 SGD。因此，我們將借此機(jī)會(huì)介紹您的第一個(gè) SGD 工作示例。在每一步，使用從我們的數(shù)據(jù)集中隨機(jī)抽取的小批量，我們估計(jì)損失相對(duì)于參數(shù)的梯度。接下來，我們朝著可能減少損失的方向更新參數(shù)。

以下代碼應(yīng)用更新，給定一組參數(shù)，一個(gè)學(xué)習(xí)率lr。由于我們的損失是按小批量的平均值計(jì)算的，因此我們不需要根據(jù)批量大小調(diào)整學(xué)習(xí)率。在后面的章節(jié)中，我們將研究如何為分布式大規(guī)模學(xué)習(xí)中出現(xiàn)的非常大的小批量調(diào)整學(xué)習(xí)率?，F(xiàn)在，我們可以忽略這種依賴性。

我們定義我們的SGD類，它是d2l.HyperParameters （在第 3.2.1 節(jié)中介紹的）的一個(gè)子類，以具有與內(nèi)置 SGD 優(yōu)化器類似的 API。我們更新方法中的參數(shù)step 。該zero_grad方法將所有梯度設(shè)置為 0，這必須在反向傳播步驟之前運(yùn)行。

class SGD(d2l.HyperParameters): #@save
  """Minibatch stochastic gradient descent."""
  def __init__(self, params, lr):
    self.save_hyperparameters()

  def step(self):
    for param in self.params:
      param -= self.lr * param.grad

  def zero_grad(self):
    for param in self.params:
      if param.grad is not None:
        param.grad.zero_()

We define our SGD class, a subclass of d2l.HyperParameters (introduced in Section 3.2.1), to have a similar API as the built-in SGD optimizer. We update the parameters in the step method. It accepts a batch_size argument that can be ignored.

class SGD(d2l.HyperParameters): #@save
  """Minibatch stochastic gradient descent."""
  def __init__(self, params, lr):
    self.save_hyperparameters()

  def step(self, _):
    for param in self.params:
      param -= self.lr * param.grad

class SGD(d2l.HyperParameters): #@save
  """Minibatch stochastic gradient descent."""
  # The key transformation of Optax is the GradientTransformation
  # defined by two methods, the init and the update.
  # The init initializes the state and the update transforms the gradients.
  # https://github.com/deepmind/optax/blob/master/optax/_src/transform.py
  def __init__(self, lr):
    self.save_hyperparameters()

  def init(self, params):
    # Delete unused params
    del params
    return optax.EmptyState

  def update(self, updates, state, params=None):
    del params
    # When state.apply_gradients method is called to update flax's
    # train_state object, it internally calls optax.apply_updates method
    # adding the params to the update equation defined below.
    updates = jax.tree_util.tree_map(lambda g: -self.lr * g, updates)
    return updates, state

  def __call__():
    return optax.GradientTransformation(self.init, self.update)

We define our SGD class, a subclass of d2l.HyperParameters (introduced in Section 3.2.1), to have a similar API as the built-in SGD optimizer. We update the parameters in the apply_gradients method. It accepts a list of parameter and gradient pairs.

class SGD(d2l.HyperParameters): #@save
  """Minibatch stochastic gradient descent."""
  def __init__(self, lr):
    self.save_hyperparameters()

  def apply_gradients(self, grads_and_vars):
    for grad, param in grads_and_vars:
      param.assign_sub(self.lr * grad)

接下來我們定義configure_optimizers方法，它返回類的一個(gè)實(shí)例SGD。

@d2l.add_to_class(LinearRegressionScratch) #@save
def configure_optimizers(self):
  return SGD([self.w, self.b], self.lr)

@d2l.add_to_class(LinearRegressionScratch) #@save
def configure_optimizers(self):
  return SGD([self.w, self.b], self.lr)

@d2l.add_to_class(LinearRegressionScratch) #@save
def configure_optimizers(self):
  return SGD(self.lr)

@d2l.add_to_class(LinearRegressionScratch) #@save
def configure_optimizers(self):
  return SGD(self.lr)

3.4.4. 訓(xùn)練

現(xiàn)在我們已經(jīng)準(zhǔn)備好所有的部分（參數(shù)、損失函數(shù)、模型和優(yōu)化器），我們準(zhǔn)備好實(shí)施主要的訓(xùn)練循環(huán)。理解這段代碼至關(guān)重要，因?yàn)槟鷮?duì)本書涵蓋的所有其他深度學(xué)習(xí)模型使用類似的訓(xùn)練循環(huán)。在每個(gè)epoch中，我們遍歷整個(gè)訓(xùn)練數(shù)據(jù)集，通過每個(gè)示例一次（假設(shè)示例的數(shù)量可以被批量大小整除）。在每次迭代中，我們獲取一小批訓(xùn)練示例，并通過模型的 training_step方法計(jì)算其損失。接下來，我們計(jì)算每個(gè)參數(shù)的梯度。最后，我們將調(diào)用優(yōu)化算法來更新模型參數(shù)?？傊?，我們將執(zhí)行以下循環(huán)：

初始化參數(shù)(w,b)

重復(fù)直到完成

計(jì)算梯度 g←?(w,b)1|B|∑i∈Bl(x(i),y(i),w,b)

更新參數(shù) (w,b)←(w,b)?ηg

回想一下，我們在3.3 節(jié)中生成的綜合回歸數(shù)據(jù)集 不提供驗(yàn)證數(shù)據(jù)集。然而，在大多數(shù)情況下，我們將使用驗(yàn)證數(shù)據(jù)集來衡量我們的模型質(zhì)量。在這里，我們在每個(gè)時(shí)期通過一次驗(yàn)證數(shù)據(jù)加載器來衡量模型性能。按照我們的面向?qū)ο笤O(shè)計(jì)，prepare_batch和fit_epoch方法注冊在d2l.Trainer類中（在 3.2.4 節(jié)中介紹）。

@d2l.add_to_class(d2l.Trainer) #@save
def prepare_batch(self, batch):
  return batch

@d2l.add_to_class(d2l.Trainer) #@save
def fit_epoch(self):
  self.model.train()
  for batch in self.train_dataloader:
    loss = self.model.training_step(self.prepare_batch(batch))
    self.optim.zero_grad()
    with torch.no_grad():
      loss.backward()
      if self.gradient_clip_val > 0: # To be discussed later
        self.clip_gradients(self.gradient_clip_val, self.model)
      self.optim.step()
    self.train_batch_idx += 1
  if self.val_dataloader is None:
    return
  self.model.eval()
  for batch in self.val_dataloader:
    with torch.no_grad():
      self.model.validation_step(self.prepare_batch(batch))
    self.val_batch_idx += 1

@d2l.add_to_class(d2l.Trainer) #@save
def prepare_batch(self, batch):
  return batch

@d2l.add_to_class(d2l.Trainer) #@save
def fit_epoch(self):
  for batch in self.train_dataloader:
    with autograd.record():
      loss = self.model.training_step(self.prepare_batch(batch))
    loss.backward()
    if self.gradient_clip_val > 0:
      self.clip_gradients(self.gradient_clip_val, self.model)
    self.optim.step(1)
    self.train_batch_idx += 1
  if self.val_dataloader is None:
    return
  for batch in self.val_dataloader:
    self.model.validation_step(self.prepare_batch(batch))
    self.val_batch_idx += 1

@d2l.add_to_class(d2l.Trainer) #@save
def prepare_batch(self, batch):
  return batch

@d2l.add_to_class(d2l.Trainer) #@save
def fit_epoch(self):
  self.model.training = True
  if self.state.batch_stats:
    # Mutable states will be used later (e.g., for batch norm)
    for batch in self.train_dataloader:
      (_, mutated_vars), grads = self.model.training_step(self.state.params,
                              self.prepare_batch(batch),
                              self.state)
      self.state = self.state.apply_gradients(grads=grads)
      # Can be ignored for models without Dropout Layers
      self.state = self.state.replace(
        dropout_rng=jax.random.split(self.state.dropout_rng)[0])
      self.state = self.state.replace(batch_stats=mutated_vars['batch_stats'])
      self.train_batch_idx += 1
  else:
    for batch in self.train_dataloader:
      _, grads = self.model.training_step(self.state.params,
                        self.prepare_batch(batch),
                        self.state)
      self.state = self.state.apply_gradients(grads=grads)
      # Can be ignored for models without Dropout Layers
      self.state = self.state.replace(
        dropout_rng=jax.random.split(self.state.dropout_rng)[0])
      self.train_batch_idx += 1

  if self.val_dataloader is None:
    return
  self.model.training = False
  for batch in self.val_dataloader:
    self.model.validation_step(self.state.params,
                  self.prepare_batch(batch),
                  self.state)
    self.val_batch_idx += 1

@d2l.add_to_class(d2l.Trainer) #@save
def prepare_batch(self, batch):
  return batch

@d2l.add_to_class(d2l.Trainer) #@save
def fit_epoch(self):
  self.model.training = True
  for batch in self.train_dataloader:
    with tf.GradientTape() as tape:
      loss = self.model.training_step(self.prepare_batch(batch))
    grads = tape.gradient(loss, self.model.trainable_variables)
    if self.gradient_clip_val > 0:
      grads = self.clip_gradients(self.gradient_clip_val, grads)
    self.optim.apply_gradients(zip(grads, self.model.trainable_variables))
    self.train_batch_idx += 1
  if self.val_dataloader is None:
    return
  self.model.training = False
  for batch in self.val_dataloader:
    self.model.validation_step(self.prepare_batch(batch))
    self.val_batch_idx += 1

我們幾乎準(zhǔn)備好訓(xùn)練模型，但首先我們需要一些數(shù)據(jù)來訓(xùn)練。這里我們使用SyntheticRegressionData類并傳入一些基本參數(shù)。然后，我們用學(xué)習(xí)率訓(xùn)練我們的模型lr=0.03并設(shè)置max_epochs=3。請(qǐng)注意，一般來說，epoch 的數(shù)量和學(xué)習(xí)率都是超參數(shù)。一般來說，設(shè)置超參數(shù)很棘手，我們通常希望使用 3 路分割，一組用于訓(xùn)練，第二組用于超參數(shù)選擇，第三組保留用于最終評(píng)估。我們暫時(shí)省略這些細(xì)節(jié)，但稍后會(huì)對(duì)其進(jìn)行修改。

model = LinearRegressionScratch(2, lr=0.03)
data = d2l.SyntheticRegressionData(w=torch.tensor([2, -3.4]), b=4.2)
trainer = d2l.Trainer(max_epochs=3)
trainer.fit(model, data)

model = LinearRegressionScratch(2, lr=0.03)
data = d2l.SyntheticRegressionData(w=np.array([2, -3.4]), b=4.2)
trainer = d2l.Trainer(max_epochs=3)
trainer.fit(model, data)

model = LinearRegressionScratch(2, lr=0.03)
data = d2l.SyntheticRegressionData(w=jnp.array([2, -3.4]), b=4.2)
trainer = d2l.Trainer(max_epochs=3)
trainer.fit(model, data)

model = LinearRegressionScratch(2, lr=0.03)
data = d2l.SyntheticRegressionData(w=tf.constant([2, -3.4]), b=4.2)
trainer = d2l.Trainer(max_epochs=3)
trainer.fit(model, data)

因?yàn)槲覀冏约汉铣闪藬?shù)據(jù)集，所以我們確切地知道真正的參數(shù)是什么。因此，我們可以通過將真實(shí)參數(shù)與我們通過訓(xùn)練循環(huán)學(xué)到的參數(shù)進(jìn)行比較來評(píng)估我們在訓(xùn)練中的成功。事實(shí)上，他們彼此非常接近。

print(f'error in estimating w: {data.w - model.w.reshape(data.w.shape)}')
print(f'error in estimating b: {data.b - model.b}')

error in estimating w: tensor([ 0.1006, -0.1535], grad_fn=)
error in estimating b: tensor([0.2132], grad_fn=)

print(f'error in estimating w: {data.w - model.w.reshape(data.w.shape)}')
print(f'error in estimating b: {data.b - model.b}')

error in estimating w: [ 0.10755348 -0.13104177]
error in estimating b: [0.18908024]

params = trainer.state.params
print(f"error in estimating w: {data.w - params['w'].reshape(data.w.shape)}")
print(f"error in estimating b: {data.b - params['b']}")

error in estimating w: [ 0.06764424 -0.183249 ]
error in estimating b: [0.23523378]

print(f'error in estimating w: {data.w - tf.reshape(model.w, data.w.shape)}')
print(f'error in estimating b: {data.b - model.b}')

error in estimating w: [ 0.08918679 -0.11773038]
error in estimating b: [0.211231]

我們不應(yīng)該把準(zhǔn)確恢復(fù)地面實(shí)況參數(shù)的能力視為理所當(dāng)然。一般來說，對(duì)于深度模型，參數(shù)的唯一解是不存在的，即使對(duì)于線性模型，只有當(dāng)沒有特征與其他特征線性相關(guān)時(shí)，才有可能準(zhǔn)確地恢復(fù)參數(shù)。然而，在機(jī)器學(xué)習(xí)中，我們通常不太關(guān)心恢復(fù)真正的底層參數(shù)，而更關(guān)心導(dǎo)致高度準(zhǔn)確預(yù)測的參數(shù) ( Vapnik, 1992 )。幸運(yùn)的是，即使在困難的優(yōu)化問題上，隨機(jī)梯度下降通常也能找到非常好的解決方案，部分原因在于，對(duì)于深度網(wǎng)絡(luò)，存在許多導(dǎo)致高精度預(yù)測的參數(shù)配置。

3.4.5. 概括

在本節(jié)中，我們通過實(shí)施功能齊全的神經(jīng)網(wǎng)絡(luò)模型和訓(xùn)練循環(huán)，朝著設(shè)計(jì)深度學(xué)習(xí)系統(tǒng)邁出了重要一步。在這個(gè)過程中，我們構(gòu)建了數(shù)據(jù)加載器、模型、損失函數(shù)、優(yōu)化程序以及可視化和監(jiān)控工具。為此，我們編寫了一個(gè) Python 對(duì)象，其中包含用于訓(xùn)練模型的所有相關(guān)組件。雖然這還不是專業(yè)級(jí)的實(shí)現(xiàn)，但它具有完美的功能，并且像這樣的代碼已經(jīng)可以幫助您快速解決小問題。在接下來的部分中，我們將看到如何更簡潔 （避免樣板代碼）和更高效（充分利用我們的 GPU）。

3.4.6. 練習(xí)

如果我們將權(quán)重初始化為零會(huì)發(fā)生什么。該算法仍然有效嗎？如果我們用方差初始化參數(shù)會(huì)怎樣1,000而不是0.01？

假設(shè)您是Georg Simon Ohm，正在嘗試建立一個(gè)與電壓和電流相關(guān)的電阻器模型。您可以使用自動(dòng)微分來學(xué)習(xí)模型的參數(shù)嗎？

你能用普朗克定律通過光譜能量密度來確定物體的溫度嗎？作為參考，光譜密度B從黑體發(fā)出的輻射是 B(λ,T)=2hc2λ5?(exp?hcλkT?1)?1. 這里λ是波長，T是溫度， c是光速，h是普朗克量子，并且 k是玻爾茲曼常數(shù)。您測量不同波長的能量λ現(xiàn)在您需要使譜密度曲線符合普朗克定律。

如果你想計(jì)算損失的二階導(dǎo)數(shù)，你可能會(huì)遇到什么問題？你會(huì)如何修復(fù)它們？

為什么函數(shù)reshape中需要方法loss？

嘗試使用不同的學(xué)習(xí)率來找出損失函數(shù)值下降的速度。你能通過增加訓(xùn)練的次數(shù)來減少錯(cuò)誤嗎？

如果樣本數(shù)不能除以批量大小，那么在data_iter一個(gè)紀(jì)元結(jié)束時(shí)會(huì)發(fā)生什么？

嘗試實(shí)現(xiàn)不同的損失函數(shù)，例如絕對(duì)值損失。(y_hat - d2l.reshape(y, y_hat.shape)).abs().sum()

檢查常規(guī)數(shù)據(jù)會(huì)發(fā)生什么。

如果您主動(dòng)擾亂某些條目，請(qǐng)檢查行為是否存在差異y， 例如 y5=10,000.

你能想出一個(gè)便宜的解決方案來結(jié)合平方損失和絕對(duì)值損失的最佳方面嗎？提示：如何避免非常大的梯度值？

為什么我們需要重新洗牌數(shù)據(jù)集？你能設(shè)計(jì)一個(gè)惡意數(shù)據(jù)集否則會(huì)破壞優(yōu)化算法的情況嗎？