Гайд · TNWS AI
Как обновлять batch statistics во Flax NNX BatchNorm
Flax 0.12.10: BatchNorm в train обновляет mean/var, eval использует running averages; проверка нормализации и режима.
Задача и применимость
Актуальный запрос: «как работает BatchNorm train eval Flax NNX». Разделить два режима BatchNorm: при обучении использовать статистики текущего batch и обновлять BatchStat; при оценке использовать сохранённые running averages. NNX-модуль хранит mean и var как состояние, отдельное по типу от обучаемых scale и bias.
Материал проверен на Flax 0.12.10, JAX/jaxlib 0.11.2 и Python 3.12 на CPU. Используется актуальный API from flax import nnx, а не устаревший экспериментальный import и не Linen. Пример не загружает веса или внешние данные и решает одну изолированную задачу. Численный тест подтверждает контракт кода в указанной версии, но не качество нейросети на рабочем датасете.
Перед запуском установите совместимые версии пакетов в отдельное окружение и выведите flax.__version__, jax.__version__ и jaxlib.__version__. Не смешивайте примеры NNX с похожими по названию конструкциями Linen: у них различаются жизненный цикл Module, представление состояния, инициализация и способы применения transformations. При переносе кода сначала выберите один API и следуйте документации именно его версии.
Пошаговое решение
- Создайте BatchNorm для трёх признаков и включите train-mode.
- Сохраните running mean, пропустите batch из двух строк и проверьте изменение.
- Проверьте нормализованный batch: среднее по каждому признаку близко к нулю.
- Переключите eval-mode и выполните вход без изменения running mean.
Готовый проверяемый шаблон
import jax.numpy as jnp
from flax import nnx
bn = nnx.BatchNorm(3, rngs=nnx.Rngs(0))
bn.train()
before = bn.mean[...].copy()
x = jnp.array([[1., 2., 3.], [3., 4., 5.]])
train_output = bn(x)
after_train = bn.mean[...].copy()
assert not jnp.array_equal(before, after_train)
assert jnp.allclose(jnp.mean(train_output, axis=0), 0., atol=1e-5)
bn.eval()
saved = bn.mean[...].copy()
eval_output = bn(jnp.array([[100., 100., 100.]]))
assert bn.use_running_average is True
assert jnp.array_equal(saved, bn.mean[...])
assert eval_output.shape == (1, 3)
print(before, after_train, eval_output)
Вход и ожидаемый результат
Начальный running mean [0,0,0] после train batch стал [0.02,0.03,0.04]. Train output имел нулевое среднее по каждому столбцу. Eval-вызов сохранил статистику неизменной и применил накопленные значения.
Как проверить результат
Проверяйте BatchStat до и после train/eval отдельно. Validation нельзя проводить в train-mode: иначе результаты зависят от состава batch, а состояние загрязняется validation-данными. При восстановлении checkpoint загружайте и Params, и BatchStat.
Перенос в рабочую модель
В рабочем проекте зафиксируйте контракт batch: порядок осей, dtype, диапазон признаков и семантику target. Инициализацию, dropout и генерацию данных разделяйте по именованным RNG streams. Обучаемые nnx.Param, статистическое состояние и optimizer state сохраняйте и проверяйте раздельно. Перед обновлением Flax/JAX прогоняйте небольшой обезличенный regression batch и сравнивайте формы, loss, конечность значений и допустимое численное отклонение.
Критерии приёмки
- Версии Flax, JAX и jaxlib записаны в отчёте.
- Формы входа, параметров и результата совпадают с контрактом.
- Все численные outputs и gradients конечны.
- Train/eval режим задан явно для стохастических и stateful слоёв.
- Результат проверен независимой формулой, состоянием или контрольным вызовом.
- Негативный случай неверной формы или режима включён в тесты проекта.
Регрессионный протокол
Сохраните минимальные входы: один объект, небольшой batch, нулевые значения, несимметричные размеры осей и заведомо несовместимую форму. Сравнивайте массивы через allclose с документированным допуском. Воспроизводимость требует одинаковых seeds и одинакового порядка запросов RNG. Производительность оценивайте после JIT-прогрева и block_until_ready, отдельно от compile time. Один удачный запуск не заменяет validation на независимых данных.
Диагностика расхождений
При расхождении сначала проверьте layout и preprocessing, затем RNG streams, train/eval mode, типы переменных State, forward, loss и optimizer update. Упростите модель до одного слоя, отключите JIT и стохастику, сравните промежуточные shapes. Возвращайте компоненты по одной. Не увеличивайте допуск и не заменяйте NaN нулями до установления причины.
Контроль после внедрения
В эксплуатации ограничьте допустимые shapes и размер batch, чтобы запрос не исчерпал память и не вызвал поток перекомпиляций. Не логируйте исходные пользовательские тензоры, ключи и содержимое обучающих примеров. Храните предыдущий проверенный checkpoint и схему State для отката. После восстановления проверяйте контрольный forward до включения модели в трафик.
Границы применимости
CPU-проверка не доказывает скорость или точную численную идентичность GPU/TPU. Случайная инициализация не является обучением, снижение train loss не гарантирует обобщение, а правильная форма не подтверждает корректность данных. Для важных решений нужны validation/test, мониторинг дрейфа, ограничения входов и человеческий контроль.
Типичные ошибки и чего не делать
- Не считать running mean обучаемым gradient-параметром.
- Не обновлять BatchStat на test dataset.
- Не сравнивать train и eval outputs без учёта разных источников статистик.
Не публикуйте только удачный вывод без версии среды, форм и негативного теста. Не настраивайте модель по test set и не загружайте непроверенное состояние поверх production-модели.
FAQ
Что меняется в train?
Running mean и variance обновляются по batch statistics.
Что делает eval?
Использует сохранённые running averages и не обновляет их.
Являются ли mean/var Param?
Нет, это состояние типа BatchStat.
Официальные источники
Частые вопросы
Что меняется в train?
Running mean и variance обновляются по batch statistics.
Что делает eval?
Использует сохранённые running averages и не обновляет их.
Являются ли mean/var Param?
Нет, это состояние типа BatchStat.
Читайте также
Как накопить средний loss через Flax NNX metrics.Average
Flax 0.12.10: Average учитывает каждый элемент двух batch, compute возвращает общий mean, reset очищает состояние.
Как нормализовать каналы через Flax NNX GroupNorm
Flax 0.12.10: GroupNorm для NHWC, четыре канала и две группы, проверка статистик без зависимости от batch.
Как нормализовать каждый канал через Flax NNX InstanceNorm
Flax 0.12.10: InstanceNorm для NHWC нормирует пространственные значения каждого канала и каждого изображения отдельно.
Комментарии
Пока тихо. Скажите первое слово