Гайд · TNWS AI
Как переключить Dropout между train и eval во Flax NNX
Flax 0.12.10: стохастический Dropout в train, Rngs, масштабирование 1/(1-rate), детерминированный eval и проверки output.
Задача и применимость
Актуальный запрос: «как выключить dropout в Flax NNX eval». Использовать dropout только при обучении и гарантированно отключить его при оценке. В train-mode слой зануляет элементы с заданной вероятностью и масштабирует оставшиеся, чтобы сохранить математическое ожидание. В eval-mode deterministic=True, поэтому output равен входу и RNG не нужен.
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 Dropout с rate 0.5 и отдельный dropout RNG stream.
- Вызовите слой дважды в train-mode и подтвердите разные masks.
- Проверьте, что значения состоят из 0 и 2 для единичного входа.
- Вызовите
.eval()и подтвердите точное прохождение входа.
Готовый проверяемый шаблон
import jax.numpy as jnp
from flax import nnx
dropout = nnx.Dropout(0.5)
rngs = nnx.Rngs(dropout=0)
x = jnp.ones((256,), dtype=jnp.float32)
y1 = dropout(x, rngs=rngs)
y2 = dropout(x, rngs=rngs)
assert not jnp.array_equal(y1, y2)
assert set(map(float, jnp.unique(y1))) <= {0.0, 2.0}
dropout.eval()
y_eval = dropout(x)
assert dropout.deterministic is True
assert jnp.array_equal(y_eval, x)
print(float(jnp.mean(y1)), float(jnp.mean(y2)), float(jnp.mean(y_eval)))
Вход и ожидаемый результат
Два train-вызова получили разные masks; при rate 0,5 элементы были 0 или 2. Средние на конечной выборке близки к единице, но не обязаны быть ровно 1. После eval output точно совпал с массивом единиц.
Как проверить результат
Проверяйте различие masks и допустимое множество значений на простом входе. Перед validation и production обязательно переводите весь родительский Module в eval-mode. Не проверяйте стохастику утверждением о точном числе нулей.
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 забывать RNG в train-mode.
- Не оставлять Dropout активным при сравнении validation метрик.
- Не требовать точного среднего на небольшом случайном массиве.
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
Почему ненулевые элементы равны 2?
При rate 0,5 применяется обратное масштабирование 1/(1-rate).
Нужен ли rngs в eval?
Нет, когда dropout детерминированно отключён.
Что делает eval?
Рекурсивно выставляет deterministic=True там, где атрибут поддерживается.
Официальные источники
Частые вопросы
Почему ненулевые элементы равны 2?
При rate 0,5 применяется обратное масштабирование `1/(1-rate)`.
Нужен ли rngs в eval?
Нет, когда dropout детерминированно отключён.
Что делает eval?
Рекурсивно выставляет `deterministic=True` там, где атрибут поддерживается.
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