Гайд · TNWS AI
Как отделить Param и BatchStat через Flax NNX state
Фильтры состояния Flax 0.12.10: nnx.state(model, nnx.Param, nnx.BatchStat), формы листьев и запрет смешивания.
Задача и применимость
Актуальный запрос: «как разделить параметры и batch stats Flax NNX state». Извлечь из составной модели обучаемые параметры и running statistics BatchNorm в два независимых State. Фильтры по типам переменных предотвращают случайную передачу BatchStat в оптимизатор и помогают сохранить полный checkpoint с явным контрактом.
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 Module из Linear и BatchNorm.
- Вызовите nnx.state с двумя фильтрами nnx.Param и nnx.BatchStat.
- Посчитайте листья и проверьте ожидаемые kernel/bias/scale/mean/var.
- Преобразуйте Param State в pure dict и проверьте вложенные ключи.
Готовый проверяемый шаблон
import jax
from flax import nnx
class Block(nnx.Module):
def __init__(self, *, rngs):
self.linear = nnx.Linear(3, 3, rngs=rngs)
self.bn = nnx.BatchNorm(3, rngs=rngs)
def __call__(self, x):
return self.bn(self.linear(x))
model = Block(rngs=nnx.Rngs(0))
params, batch_stats = nnx.state(model, nnx.Param, nnx.BatchStat)
pure_params = nnx.to_pure_dict(params)
assert len(jax.tree.leaves(params)) == 4
assert len(jax.tree.leaves(batch_stats)) == 2
assert set(pure_params["linear"]) == {"kernel", "bias"}
assert set(pure_params["bn"]) == {"scale", "bias"}
print(jax.tree.map(lambda x: x.shape, params))
print(jax.tree.map(lambda x: x.shape, batch_stats))
Вход и ожидаемый результат
Param State содержал четыре листа: kernel/bias Linear и scale/bias BatchNorm. BatchStat содержал два листа mean/var. Pure dict сохранил вложенные имена модулей и переменных.
Как проверить результат
Сверяйте число листьев, пути, формы и типы до обучения и после миграции модели. Пустой State может означать неверный фильтр. При сохранении inference checkpoint не теряйте BatchStat, даже если optimizer state не нужен.
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 передавать BatchStat в оптимизатор как Param.
- Не сохранять только веса модели с BatchNorm, забывая running statistics.
- Не сопоставлять состояния только по порядку листьев без путей и структуры.
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 возвращает несколько фильтров?
Tuple State в порядке фильтров.
Что такое Param?
Канонический тип обучаемых переменных NNX.
Зачем BatchStat отдельно?
Это изменяемое статистическое состояние, не gradient-параметр.
Официальные источники
Частые вопросы
Что возвращает несколько фильтров?
Tuple State в порядке фильтров.
Что такое Param?
Канонический тип обучаемых переменных NNX.
Зачем BatchStat отдельно?
Это изменяемое статистическое состояние, не gradient-параметр.
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