Гайд · TNWS AI
Как обновить веса нейросети через value_and_grad в JAX
Один проверяемый шаг gradient descent для PyTree параметров: MSE, value_and_grad, tree.map, формы градиентов и снижение loss.
Задача и применимость
Актуальный запрос: «как обучать нейросеть JAX value_and_grad шаг градиента». Вычислить значение loss и градиенты параметров за один вызов, затем применить ручной SGD-шаг ко всему pytree. jax.value_and_grad возвращает (value, gradient), где gradient повторяет структуру dict параметров. Для проверки используется простая линейная зависимость, на которой небольшой шаг обязан уменьшить MSE.
Материал применим к JAX 0.11.2 и jaxlib 0.11.2. JAX предоставляет массивы, автоматическое дифференцирование и программные преобразования; он не является готовой библиотекой слоёв, датасетов или полного тренировочного цикла. Пример намеренно мал и выполняется локально на доступном backend без загрузки весов и внешних данных. Численный критерий доказывает поведение конкретного кода, но не качество рабочей нейросети.
Пошаговое решение
- Создайте параметры линейного слоя как pytree.
- Опишите MSE-функцию только через jax.numpy.
- Получите loss и grads через value_and_grad.
- Обновите листья через jax.tree.map и подтвердите снижение loss.
Готовый проверяемый шаблон
import jax
import jax.numpy as jnp
X = jnp.array([[1.,0.],[0.,1.],[1.,1.],[-1.,1.]])
y = jnp.array([2.,-1.,1.,-3.])
params = {"w": jnp.zeros((2,)), "b": jnp.array(0.)}
def loss_fn(p):
pred = X @ p["w"] + p["b"]
return jnp.mean((pred - y) ** 2)
loss1, grads = jax.value_and_grad(loss_fn)(params)
updated = jax.tree.map(lambda p, g: p - 0.1 * g, params, grads)
loss2 = loss_fn(updated)
assert jax.tree.structure(params) == jax.tree.structure(grads)
assert grads["w"].shape == (2,) and grads["b"].shape == ()
assert loss2 < loss1
print(float(loss1), float(loss2), grads)
Вход и ожидаемый результат
Параметры начинаются с нулей. value_and_grad возвращает scalar loss и dict градиентов той же структуры. После шага с learning rate 0,1 новый loss строго меньше исходного.
Как проверить результат
Проверяйте конечность каждого gradient leaf, совпадение tree structure и снижение loss на контролируемом примере. Для настоящего обучения не гарантируйте снижение на каждом stochastic batch: отслеживайте сглаженную метрику и validation.
Перенос на настоящую нейросеть
Для рабочей модели сначала зафиксируйте контракт параметров и batch: pytree structure, формы, dtype, порядок признаков и семантику выходов. Генерацию случайностей оформите как явный поток keys. Разделите чистые функции forward, loss и update, чтобы их можно было независимо тестировать, дифференцировать и компилировать. Данные train, validation и test не должны смешиваться. Любое изменение формы, precision, backend или версии JAX проверяйте на сохранённом обезличенном regression-наборе до развёртывания.
Критерии приёмки
- Все формы и dtype совпадают с контрактом.
- Каждый PRNG subkey используется в одной логической случайной операции.
- Loss и gradients конечны на положительном тесте.
- Негативный вход вызывает ожидаемую ошибку, а не случайный output.
- Обычный и преобразованный через jit/vmap путь численно согласованы, когда это применимо.
- Устройство, версии JAX/jaxlib и численный допуск записаны в отчёте.
Регрессионный протокол
Храните несколько малых входов: стандартный batch, один объект, нули, граничные значения и заведомо невалидную форму. Сравнивайте outputs и loss с эталоном через allclose с явно выбранным допуском. После смены backend проверяйте допустимую численную погрешность, а не требуйте безусловной битовой идентичности. Производительность измеряйте после компиляционного прогрева и завершения асинхронной работы. Не выбирайте лучший единичный замер: сообщайте распределение задержки и условия машины.
Диагностика расхождений
Если результат изменился, локализуйте слой: данные и preprocessing, key-поток, shapes/dtype, forward, loss, gradients, update, затем jit и backend. Сначала выполните функцию без jit на минимальном входе, затем верните transformations по одной. Сравните tree structure и каждый leaf. Не увеличивайте допуск и не применяйте nan_to_num, пока не выяснено, не скрывает ли это неверную форму, переполнение или повтор ключа.
Контроль после внедрения
В эксплуатации ограничьте допустимые batch shapes и объём входа, чтобы запрос не исчерпал память и не создал бесконечный поток перекомпиляций. Собирайте агрегированные метрики latency, compile count, долю невалидных входов и численные ошибки без записи исходных чувствительных данных. Сохраняйте предыдущий проверенный артефакт и код параметров для отката. Автоматическая замена весов требует той же независимой проверки, что и обычный выпуск.
Границы применимости
Пример на CPU не доказывает свойства GPU или TPU, а маленький массив не предсказывает производительность большой модели. JIT может ускорить повторяющиеся вычисления, но стоимость компиляции, передача данных и новые формы способны ухудшить end-to-end время. Autodiff возвращает производную написанной функции, а не подтверждает правильность математической постановки. Для критичных решений нужны предметные метрики, мониторинг и человеческий контроль.
Типичные ошибки и чего не делать
- Не мутируйте dict внутри дифференцируемой функции.
- Не вычисляйте value и grad отдельными несовпадающими вызовами без необходимости.
- Не выбирайте learning rate по test.
Не публикуйте только удачный вывод без негативного теста и версий среды. Не используйте тестовую выборку для настройки модели. Не загружайте непроверенные параметры и не передавайте в диагностику персональные данные. Для важных решений предусмотрите безопасный отказ.
FAQ
Что возвращает value_and_grad?
Пару из значения функции и градиента по выбранным аргументам.
Какова структура grads?
Такая же pytree-структура, как у дифференцируемых параметров.
Почему tree.map?
Чтобы одинаково обновить каждый лист параметров.
Официальные источники
Частые вопросы
Что возвращает value_and_grad?
Пару из значения функции и градиента по выбранным аргументам.
Какова структура grads?
Такая же pytree-структура, как у дифференцируемых параметров.
Почему tree.map?
Чтобы одинаково обновить каждый лист параметров.
Читайте также
Как инициализировать двухслойную нейросеть в JAX
Двухслойный MLP без фреймворка: random.split, масштаб весов, ReLU, PyTree параметров, одиночный и пакетный входы.
Как найти NaN в JAX-нейросети через debug_nans
Локальная диагностика NaN в eager и jit: контекст jax.debug_nans, FloatingPointError, безопасная функция и запрет маскировки проблемы nan_to_num.
Как обновлять PyTree параметров через jax.tree.map
Проверяемые PyTrees: flatten, treedef, tree.map по двум структурам, unflatten и контроль несовместимого дерева.
Комментарии
Пока тихо. Скажите первое слово