Гайд · TNWS AI
Как обновлять target network через Optax periodic_update
Optax 0.2.6: periodic_update копирует online parameters на шагах, кратных update_period, и сохраняет target между ними.
Задача и применимость
Актуальный запрос: «как обновлять target network Optax periodic_update». Сделать жёсткое периодическое копирование online parameters в target network. При update_period=3 функция принимает new_tensors на шагах 0,3,6…; между ними возвращает old_tensors. Нулевая индексация означает, что копирование происходит уже на step=0. Для production отдельно зафиксируйте структуру PyTree, dtype, момент вызова относительно JIT и порядок соседних transformations. Добавьте негативный тест на несовместимую маску, неверный счётчик или отсутствующий batch axis — в зависимости от задачи. Численный unit test должен выполняться при каждом обновлении Optax.
Материал проверен на Optax 0.2.6, 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 разные способы накопления, маскирования и усреднения: похожие названия имеют разные контракты. При переносе сначала закрепите ожидаемую математику unit-тестом и следуйте документации установленной версии.
Пошаговое решение
- Создайте online и target PyTree.
- Передайте step=0 и подтвердите немедленное копирование.
- На шагах 1 и 2 подтвердите сохранение прежнего target.
- На шаге 3 проверьте следующее копирование.
Готовый проверяемый шаблон
import jax.numpy as jnp
import optax
target = {"w": jnp.array([1.0])}
r0 = optax.periodic_update({"w": jnp.array([10.0])}, target, steps=0, update_period=3)
r1 = optax.periodic_update({"w": jnp.array([11.0])}, r0, steps=1, update_period=3)
r3 = optax.periodic_update({"w": jnp.array([13.0])}, r1, steps=3, update_period=3)
assert jnp.allclose(r0["w"], 10.0)
assert jnp.allclose(r1["w"], 10.0)
assert jnp.allclose(r3["w"], 13.0)
print(r0, r1, r3)
Вход и ожидаемый результат
Target стал 10 на step 0, остался 10 на step 1 и обновился до 13 на step 3. Это точная hard-update семантика, а не плавное EMA.
Как проверить результат
Определите, начинается ли ваш внешний counter с нуля, и зафиксируйте это тестом. Сохраняйте target и counter вместе. После resume проверьте ближайший момент копирования, чтобы не получить неожиданный reset.
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 ожидать первое копирование только на step=update_period.
- Не путать hard update с Polyak averaging.
- Не восстанавливать target без соответствующего step counter.
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
Когда происходит копирование?
Когда steps кратен update_period, включая ноль.
Это EMA?
Нет, полная периодическая замена.
Что хранить в checkpoint?
Online weights, target weights и step.
Официальные источники
Частые вопросы
Когда происходит копирование?
Когда steps кратен update_period, включая ноль.
Это EMA?
Нет, полная периодическая замена.
Что хранить в checkpoint?
Online weights, target weights и step.
Читайте также
Как исключить bias из weight decay через Optax
Optax 0.2.6: маска add_decayed_weights применяет decay к kernel и оставляет bias без изменения.
Как ограничить gradient каждого примера через Optax
Optax 0.2.6: per_example_global_norm_clip отдельно ограничивает batch-градиенты и возвращает их сумму и число clipping-событий.
Как накапливать gradients через Optax MultiSteps
Optax 0.2.6: MultiSteps усредняет два microbatch-gradient и обновляет SGD только на каждом втором вызове.
Комментарии
Пока тихо. Скажите первое слово