零基础-动手学深度学习-5 深度学习计算

        简单总结一下第五章，第一节讲了关于如何用不同层构成块，第二节重点在于参数的管理，第三节则是初始化的一个延后操作，第四节是关于每个不同层是怎么构建的，第五节是关于如何加载和存储权重向量和整个模型，第六节是关于gpu的调用知识，其中第一节中详细介绍了class类的定义和用法。

5.1 层和块

块（block）可以描述单个层、由多个层组成的组件或整个模型本身。 使用块进行抽象的一个好处是可以将一些块组合成更大的组件， 这一过程通常是递归的。

从编程的角度来看，块由类（class）表示。 它的任何子类都必须定义一个将其输入转换为输出的前向传播函数， 并且必须存储任何必需的参数。这一章主要就是自己用类去定义一些基础的层或者块。

5.1.1. 自定义块

 每个块必须提供的基本功能：

1. 将输入数据作为其前向传播函数的参数。

2. 通过前向传播函数来生成输出。请注意，输出的形状可能与输入的形状不同。例如，我们上面模型中的第一个全连接的层接收一个20维的输入，但是返回一个维度为256的输出。

3. 计算其输出关于输入的梯度，可通过其反向传播函数进行访问。通常这是自动发生的。

4. 存储和访问前向传播计算所需的参数。

5. 根据需要初始化模型参数。

#从0开始编写一个多层感知机的块，注意，下面的MLP类继承了表示块的类。 我们的实现只需要提供我们自己的构造函数（Python中的__init__函数）和前向传播函数。
class MLP(nn.module)#类定义了对象的属性和行为
    # 用模型参数声明层。这里，我们声明两个全连接的层
    def __init__(self):#构造方法or初始化方法 创建类的新实例的时候自动调用，设置对象的初始状态
        # 调用MLP的父类Module的构造函数来执行必要的初始化。
        # 这样，在类实例化时也可以指定其他函数参数，例如模型参数params（稍后将介绍）
        super().__init__()
        self.hidden = nn.Linear(20, 256)  # 隐藏层
        self.out = nn.Linear(256, 10)  # 输出层

    # 定义模型的前向传播，即如何根据输入X返回所需的模型输出
    def forward(self,X):
        # 注意，这里我们使用ReLU的函数版本，其在nn.functional模块中定义。
        return self.out(F.relu(self.hidden(X)))

 一点编程基础的解释：

1.其中self是关键参数，代表当前对象的实例，它是对类实例自身的引用，而init不是构造函数而是设置初始状态，不加self的变量通常是类变量，所有的实例都可以共享。

2.还有就是super().__init__() 调用父类 nn.Module 的构造函数，从而不用在init后面的括号去定义实例。

3.实例是根据“图纸”造出来的具体对象 class Dog: wan_cai = Dog("旺财")

4.父类被继承的类比如class Animal： 然后class Dog(Animal):子类就是继承父类的类，可以修改功能

块的一个主要优点是它的多功能性。 我们可以子类化块以创建层（如全连接层的类）、 整个模型（如上面的MLP类）或具有中等复杂度的各种组件。 我们在接下来的章节中充分利用了这种多功能性， 比如在处理卷积神经网络时。

5.1.2. 顺序块

现在我们可以更仔细地看看Sequential类是如何工作的， 回想一下Sequential的设计是为了把其他模块串起来。 为了构建我们自己的简化的MySequential， 我们只需要定义两个关键函数：

1. 一种将块逐个追加到列表中的函数；

2. 一种前向传播函数，用于将输入按追加块的顺序传递给块组成的“链条”。

下面的MySequential类提供了与默认Sequential类相同的功能：

class MySequential(nn.Module):
    #*args 收集所有位置参数到一个元组里，因此调用时可以写任意数量的层/模块，例如
MySequential(layer1, layer2, layer3)
    def __init __(self,*args)：#args用于处理可变数量的位置参数
        super().__init__()#调用父类nn.Module的构造函数
        for idx,module in enumerate(args):#遍历传进来的所有模块，idx是索引 module是实例
        # 这里，module是Module子类的一个实例。我们把它保存在'Module'类的成员
        # 变量_modules中。_module的类型是OrderedDict（字典）
        self._modules[str(idx)] = module #这里用字符串化的索引当键名，保证顺序与传入顺序一致

    def forward(self,X):#定义前向传播逻辑。当把输入 X 喂给网络时（output = net(X)），实际执行的就是这个函数。
        # OrderedDict保证了按照成员添加的顺序遍历它们
        for block in self._modules.values():#按注册顺序遍历所有子模块（即之前在 __init__ 里存进去的那些层）
            X = block(X)#把当前输入 X 传给当前层 block，得到输出后覆盖回 X，实现逐层前向。等价于 X = layer3(layer2(layer1(X)))，但用循环写成通用形式。
        return X

注意这里的OrderedDict是按照顺序排列的字典

 5.1.3. 在前向传播函数中执行代码

Sequential类使模型构造变得简单， 允许我们组合新的架构，而不必定义自己的类。 然而，并不是所有的架构都是简单的顺序架构。 当需要更强的灵活性时，我们需要定义自己的块。

书上举了一个合并既不是上一层的结果也不是可更新参数的项——常数参数项的FixedHiddenMLP类：

class FixedHiddenMLP(nn.Module):
    def __init__(self):
        super().__init__()
        # 不计算梯度的随机权重参数。因此其在训练期间保持不变
        # 这一步即是创建一个20*20的随机权重矩阵，永远不参与梯度计算训练不会被优化器更新。
        self.rand_weight = torch.rand((20, 20), requires_grad=False)
        self.linear = nn.Linear(20, 20)#定义一个可学习的全连接层

    def forward(self, X):
        X = self.linear(X)#第一次调用linear，X 形状假设为 (batch, 20) → 线性变换后仍为 (batch, 20)
        # 使用创建的常量参数以及relu和mm函数
        X = F.relu(torch.mm(X, self.rand_weight) + 1)#固定参数隐藏层，.mm做矩阵乘法，+1所有元素加1，F.relu即是逐元素Relu激活
        # 再次用 同一组权重 对 X 做线性变换，复用全连接层。这相当于两个全连接层共享参数
        X = self.linear(X)
        # 控制流 防止数值爆炸
        while X.abs().sum() > 1:
            X /= 2
        return X.sum()

其主要实现了一个隐藏层，其权重（sefl.rand_weight）在实例化的时候被随机初始化后为常量，其requiers——grad=False之后永远不会被反向传播更新，然后这个固定层将会输出通过一个全连接层。

在返回输出之前，模型做了一些不寻常的事情： 它运行了一个while循环，再L1范数大于1的条件下，将输出的向量除以2，直到满足其小于1。

混合搭配各种组合块方法：

class NestMLP(nn.Module):
    def __init__(self):
        super().__init__()
        self.net = nn.Sequential(nn.Linear(20, 64), nn.ReLU(),
                                 nn.Linear(64, 32), nn.ReLU())
        self.linear = nn.Linear(32, 16)

    def forward(self, X):
        return self.linear(self.net(X))

chimera = nn.Sequential(NestMLP(), nn.Linear(16, 20), FixedHiddenMLP())
chimera(X)

5.2 参数管理 

本小节的主要内容：

• 访问参数，用于调试、诊断和可视化；

• 参数初始化；

• 在不同模型组件间共享参数。

 5.2.1 参数访问

参数访问我们现在做的就是把层里面的权重拿出来：

我们从已有模型中访问参数。 当通过Sequential类定义模型时， 我们可以通过索引来访问模型的任意层。 这就像模型是一个列表一样，每层的参数都在其属性中。 如下所示，我们可以检查第二个全连接层的参数。

print(net[2].state_dict())

输出是：

OrderedDict([('weight', tensor([[-0.0427, -0.2939, -0.1894,  0.0220, -0.1709, -0.1522, -0.0334, -0.2263]])), ('bias', tensor([0.0887]))])

输出的结果告诉我们一些重要的事情： 首先，这个全连接层包含两个参数，分别是该层的权重和偏置。 两者都存储为单精度浮点数（float32）。 注意，参数名称允许唯一标识每个参数，即使在包含数百个层的网络中也是如此。

5.2.1.1 目标参数

每个参数都表示为参数类的一个实例， 要对参数执行任何操作，首先我们需要访问底层的数值：

print(type(net[2].bias))#查看参数类型
print(net[2].bias)#直接打印参数 包含了参数的数值以及其是否可以反向传播
print(net[2].bias.data)#真正访问那个值

net[2].weight.grad == None#或者可以直接访问参数的梯度

5.2.1.2 一次性访问所有参数

 当我们需要对所有参数执行操作时，逐个访问它们可能会很麻烦。 当我们处理更复杂的块（例如，嵌套块）时，情况可能会变得特别复杂， 因为我们需要递归整个树来提取每个子块的参数。 下面，我们将通过演示来比较访问第一个全连接层的参数和访问所有层。

print(*[(name, param.shape) for name, param in net[0].named_parameters()])
print(*[(name, param.shape) for name, param in net.named_parameters()])
#拆解一下上面的代码：
#net[0]确定神经网络层。
#.named_parameters()是 PyTorch 的方法，返回一个生成器，逐项产生 (参数名称, 参数张量) 的元组。
#[(name, param.shape) for name, param in ...]是一个列表推导式，遍历 named_parameters() 生成的所有 (name, param) 对。
#print(*[...])中* 是 Python 的解包操作符，将列表中的每个元组作为独立参数传给 print()

输出为：

('weight', torch.Size([8, 4])) ('bias', torch.Size([8]))
('0.weight', torch.Size([8, 4])) ('0.bias', torch.Size([8])) ('2.weight', torch.Size([1, 8])) ('2.bias', torch.Size([1]))

提供了另一种访问网络参数的方式：

net.state_dict()['2.bias'].data

5.2.1.3 从嵌套块收集参数

 让我们看看，如果我们将多个块相互嵌套，参数命名约定是如何工作的。 我们首先定义一个生成块的函数（可以说是“块工厂”），然后将这些块组合到更大的块中。

def block1():
    return nn.Sequential(nn.Linear(4, 8), nn.ReLU(),
                         nn.Linear(8, 4), nn.ReLU())

def block2():
    net = nn.Sequential()
    for i in range(4):
        # 在这里嵌套
        net.add_module(f'block {i}', block1())#可以传一个字符串的名字，block1 block2...
    return net

rgnet = nn.Sequential(block2(), nn.Linear(4, 1))
rgnet(X)

 因为层是分层嵌套的，所以我们也可以像通过嵌套列表索引一样访问它们。 下面，我们访问第一个主要的块中、第二个子块的第一层的偏置项。

rgnet[0][1][0].bias.data

5.2.2 参数初始化

默认情况下，PyTorch会根据一个范围均匀地初始化权重和偏置矩阵， 这个范围是根据输入和输出维度计算出的。 PyTorch的nn.init模块提供了多种预置初始化方法。

5.2.2.1 内置初始化

让我们首先调用内置的初始化器，下面代码将所有权重参数初始化为标准差为0.01的高斯随机变量，且将偏置参数设置为0。

def init_normal(m):
    if type(m) == nn.Linear:
        nn.init.normal_(m.weight, mean=0, std=0.01)#_表示这个是一个替换函数，不会返回一个值而是替换掉
        nn.init.zeros_(m.bias)

net.apply(init_normal)#apply对于所有net里面的layer一个个都调用init的这个函数去初始化
net[0].weight.data[0], net[0].bias.data[0]


#nn.init.constant_(m.weight, 1) 这里constant就是设定成一个常数

下面示范xavier初始化方法，第三个神经网络层初始化为常量值42：

def init_xavier(m):
    if type(m) == nn.Linear:
        nn.init.xavier_uniform_(m.weight)
def init_42(m):
    if type(m) == nn.Linear:
        nn.init.constant_(m.weight, 42)

net[0].apply(init_xavier)
net[2].apply(init_42)
print(net[0].weight.data[0])
print(net[2].weight.data)

5.2.2.2. 自定义初始化

有时深度学习框架灭有提供我们需要的初始化方法，使用某种分布来为权重定义初始化：

def my_init(m):#m是一个神经网络模块
    if type(m) == nn.Linear:
        print("Init", *[(name, param.shape)
                        for name, param in m.named_parameters()][0])
        nn.init.uniform_(m.weight, -10, 10)
        m.weight.data *= m.weight.data.abs() >= 5#保留绝对值大于5的权重，否则变成0

net.apply(my_init)
net[0].weight[:2]

甚至可以直接设置参数：

net[0].weight.data[:] += 1
net[0].weight.data[0, 0] = 42
net[0].weight.data[0]

5.2.3 参数绑定

 小应用：在多个层间共享参数，我们可以定义一个稠密层，然后使用它的参数来设置另一个层的参数。

# 我们需要给共享层一个名称，以便可以引用它的参数
shared = nn.Linear(8, 8)#先把share层定义出来
net = nn.Sequential(nn.Linear(4, 8), nn.ReLU(),
                    shared, nn.ReLU(),
                    shared, nn.ReLU(),
                    nn.Linear(8, 1))
net(X)
# 检查参数是否相同
print(net[2].weight.data[0] == net[4].weight.data[0])
net[2].weight.data[0, 0] = 100
# 确保它们实际上是同一个对象，而不只是有相同的值
print(net[2].weight.data[0] == net[4].weight.data[0])

这个例子表明第三个和第五个神经网络层的参数是绑定的。 它们不仅值相等，而且由相同的张量表示。 

 5.3 延后初始化

 以上建立网络时忽略了：

• 我们定义了网络架构，但没有指定输入维度。

• 我们添加层时没有指定前一层的输出维度。

• 我们在初始化参数时，甚至没有足够的信息来确定模型应该包含多少参数。

 代码能运行的基础是框架的延后初始化（defers initialization）， 即直到数据第一次通过模型传递时，框架才会动态地推断出每个层的大小。

5.3.1. 实例化网络

好像pytorch是没有完全部署这个功能正在开发阶段，也就是下面的nn.LazyLinear

import torch
from torch import nn
net = nn.Sequential(nn.LazyLinear(256), nn.ReLU(),nn.Linear(256,10))
print(net)
[net[i].state_dict() for i in range(len(net))]
low = torch.finfo(torch.float32).min/10
high = torch.finfo(torch.float32).max/10
X = torch.zeros([2,20],dtype=torch.float32).uniform_(low, high)
net(X)
print(net)

5.4. 自定义层

深度学习成功背后的一个因素是神经网络的灵活性： 我们可以用创造性的方式组合不同的层，从而设计出适用于各种任务的架构。

 5.4.1 不带参数的层

首先，我们构造一个没有任何参数的自定义层。 回忆一下在 5.1节对块的介绍， 这应该看起来很眼熟。 下面的CenteredLayer类要从其输入中减去均值。 要构建它，我们只需继承基础层类并实现前向传播功能。

import torch
import torch.nn.functional as F
from torch import nn

class CenteredLayer(nn.Module):
    def __init__(self):
        super().__init__()

    def forward(self, X):
        return X - X.mean()

 同样的，我们可以将层作为组件合并到更复杂的模型中：

net = nn.Sequential(nn.Linear(8, 128), CenteredLayer())

5.4.2 带参数的层

 我们可以使用内置函数来创建参数，这些函数提供一些基本的管理功能。 比如管理访问、初始化、共享、保存和加载模型参数。 这样做的好处之一是：我们不需要为每个自定义层编写自定义的序列化程序。

现在，让我们实现自定义版本的全连接层。 回想一下，该层需要两个参数，一个用于表示权重，另一个用于表示偏置项。 在此实现中，我们使用修正线性单元作为激活函数。 该层需要输入参数：in_units和units，分别表示输入数和输出数。

class MyLinear(nn.Module):
    def __init__(self, in_units, units):
        super().__init__()
        self.weight = nn.Parameter(torch.randn(in_units, units))
        self.bias = nn.Parameter(torch.randn(units,))
    def forward(self, X):
        linear = torch.matmul(X, self.weight.data) + self.bias.data
        return F.relu(linear)

linear = MyLinear(5, 3)
linear.weight

使用自定义层直接执行正向传播计算：

linear(torch.rand(2, 5))

自定义层构建模型，就像使用内置的全连接层一样使用自定义层。

net = nn.Sequential(MyLinear(64, 8), MyLinear(8, 1))
net(torch.rand(2, 64))

5.5. 读写文件

 到目前为止，我们讨论了如何处理数据， 以及如何构建、训练和测试深度学习模型。 然而，有时我们希望保存训练的模型， 以备将来在各种环境中使用（比如在部署中进行预测）。 此外，当运行一个耗时较长的训练过程时， 最佳的做法是定期保存中间结果， 以确保在服务器电源被不小心断掉时，我们不会损失几天的计算结果。 因此，现在是时候学习如何加载和存储权重向量和整个模型了。

5.5.1. 加载和保存张量

 对于单个张量，我们可以直接调用load和save函数分别读写它们。 这两个函数都要求我们提供一个名称，save要求将要保存的变量作为输入：

import torch
from torch import nn
from torch.nn import functional as F

x = torch.arange(4)
torch.save(x, 'x-file')
#将储存再文件的数据读回内存
x2 = torch.load('x-file')
x2

我们可以存储一个张量列表list，然后把它们读回内存：

y = torch.zeros(4)
torch.save([x, y],'x-files')
x2, y2 = torch.load('x-files')
(x2, y2)
#写入或读取从字符串映射到张量的字典
mydict = {'x': x, 'y': y}
torch.save(mydict, 'mydict')
mydict2 = torch.load('mydict')
mydict2

5.5.2. 加载和保存模型参数

保存单个权重向量（或其他张量）确实有用， 但是如果我们想保存整个模型，并在以后加载它们， 单独保存每个向量则会变得很麻烦。 毕竟，我们可能有数百个参数散布在各处。 因此，深度学习框架提供了内置函数来保存和加载整个网络。 需要注意的一个重要细节是，这将保存模型的参数而不是保存整个模型(这里不像mxnet，这里只是保存了参数而不是整个模型的定义)。 例如，如果我们有一个3层多层感知机，我们需要单独指定架构。 因为模型本身可以包含任意代码，所以模型本身难以序列化。 因此，为了恢复模型，我们需要用代码生成架构， 然后从磁盘加载参数。 让我们从熟悉的多层感知机开始尝试一下。 

class MLP(nn.Module):
    def __init__(self):
        super().__init__()
        self.hidden = nn.Linear(20, 256)
        self.output = nn.Linear(256, 10)

    def forward(self, x):
        return self.output(F.relu(self.hidden(x)))

net = MLP()
X = torch.randn(size=(2, 20))
Y = net(X)

接下来，我们将模型的参数存储在一个叫做“mlp.params”的文件中

torch.save(net.state_dict(), 'mlp.params')

 为了恢复模型，我们实例化了原始多层感知机模型的一个备份。 这里我们不需要随机初始化模型参数，而是直接读取文件中存储的参数。

clone = MLP()#相当于一个载体
clone.load_state_dict(torch.load('mlp.params'))#写回网络
clone.eval()
Copy to clipboard

 由于两个实例具有相同的模型参数，在输入相同的X时， 两个实例的计算结果应该相同。

5.6. GPU 

 本节，我们将讨论如何利用这种计算性能进行研究。 首先是如何使用单个GPU，然后是如何使用多个GPU和多个服务器（具有多个GPU）：（使用！nvidia-smi命令来查看显卡信息）

5.6.1. 计算设备

 我们可以指定用于存储和计算的设备，如CPU和GPU。 默认情况下，张量是在内存中创建的，然后使用CPU计算它。

 在PyTorch中，CPU和GPU可以用torch.device('cpu') 和torch.device('cuda')表示。 应该注意的是，cpu设备意味着所有物理CPU和内存， 这意味着PyTorch的计算将尝试使用所有CPU核心。 然而，gpu设备只代表一个卡和相应的显存。 如果有多个GPU，我们使用torch.device(f'cuda:{i}') 来表示第i块GPU（i从0开始）。 另外，cuda:0和cuda是等价的。

import torch
from torch import nn

torch.device('cpu'), torch.device('cuda'), torch.device('cuda:1')

输出为(device(type='cpu'), device(type='cuda'), device(type='cuda', index=1))

 我们可以查询可用gpu的数量：

torch.cuda.device_count()

 现在我们定义了两个方便的函数， 这两个函数允许我们在不存在所需所有GPU的情况下运行代码

def try_gpu(i=0):  #@save
    """如果存在，则返回gpu(i)，否则返回cpu()"""
    if torch.cuda.device_count() >= i + 1:
        return torch.device(f'cuda:{i}')
    return torch.device('cpu')

def try_all_gpus():  #@save
    """返回所有可用的GPU，如果没有GPU，则返回[cpu(),]"""
    devices = [torch.device(f'cuda:{i}')
             for i in range(torch.cuda.device_count())]
    return devices if devices else [torch.device('cpu')]

try_gpu(), try_gpu(10), try_all_gpus()

5.6.2. 张量与GPU

我们可以查询张量所在的设备。 默认情况下，张量是在CPU上创建的：

x = torch.tensor([1, 2, 3])
x.device

#输出：device(type='cpu')

需要注意的是，无论何时我们要对多个项进行操作， 它们都必须在同一个设备上。 例如，如果我们对两个张量求和， 我们需要确保两个张量都位于同一个设备上， 否则框架将不知道在哪里存储结果，甚至不知道在哪里执行计算。

5.6.2.1. 存储在GPU上

 有几种方法可以在GPU上存储张量。 例如，我们可以在创建张量时指定存储设备。接 下来，我们在第一个gpu上创建张量变量X。 在GPU上创建的张量只消耗这个GPU的显存。 我们可以使用nvidia-smi命令查看显存使用情况。 一般来说，我们需要确保不创建超过GPU显存限制的数据。

X = torch.ones(2, 3, device=try_gpu())
X
Y = torch.rand(2, 3, device=try_gpu(1))
Y

5.6.2.2. 复制

如果我们要计算X + Y，我们需要决定在哪里执行这个操作。可以将X传输到第二个GPU并在那里执行操作，不能简单加和会导致异常。

Z = X.cuda(1)

 5.6.2.3. 旁注

人们使用GPU来进行机器学习，因为单个GPU相对运行速度快。 但是在设备（CPU、GPU和其他机器）之间传输数据比计算慢得多。 这也使得并行化变得更加困难，因为我们必须等待数据被发送（或者接收）， 然后才能继续进行更多的操作。 这就是为什么拷贝操作要格外小心。 根据经验，多个小操作比一个大操作糟糕得多。 此外，一次执行几个操作比代码中散布的许多单个操作要好得多。 如果一个设备必须等待另一个设备才能执行其他操作， 那么这样的操作可能会阻塞。 这有点像排队订购咖啡，而不像通过电话预先订购： 当客人到店的时候，咖啡已经准备好了。

最后，当我们打印张量或将张量转换为NumPy格式时， 如果数据不在内存中，框架会首先将其复制到内存中， 这会导致额外的传输开销。 更糟糕的是，它现在受制于全局解释器锁，使得一切都得等待Python完成。

5.6.3. 神经网络与GPU

类似地，神经网络模型可以指定设备。 下面的代码将模型参数放在GPU上：

net = nn.Sequential(nn.Linear(3, 1))
net = net.to(device=try_gpu())
#确认模型参数储存在同一个GPU上
net[0].weight.data.device