Гайд · TNWS AI
Как посчитать матрицу Гессе через jax.hessian
Матрица вторых производных scalar loss в JAX 0.11.2: jax.hessian, симметрия, аналитический эталон и ограничения памяти.
Задача и применимость
Актуальный запрос: «как вычислить Hessian JAX для loss нейросети». Вычислить полную матрицу вторых производных небольшой scalar loss. jax.hessian поддерживает массивы и pytrees, но размер результата растёт квадратично по числу параметров. Поэтому полный Hessian подходит для малых моделей, тестов кривизны и локальных задач; для большой нейросети обычно нужны Hessian-vector products.
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
- Опишите scalar loss двух переменных.
- Вызовите jax.hessian в фиксированной точке.
- Сравните матрицу с аналитическим результатом.
- Проверьте симметрию и конечность элементов.
Готовый проверяемый шаблон
import jax
import jax.numpy as jnp
def loss(z):
return (z[0]-1.)**2 + 3.*(z[1]+2.)**2 + z[0]*z[1]
point = jnp.array([0., 0.])
h = jax.hessian(loss)(point)
expected = jnp.array([[2., 1.], [1., 6.]])
assert h.shape == (2, 2)
assert jnp.allclose(h, expected)
assert jnp.allclose(h, h.T)
assert jnp.isfinite(h).all()
print(h)
Вход и ожидаемый результат
Квадратичная loss имеет постоянный Hessian [[2,1],[1,6]]; смешанный член даёт единицы вне диагонали. JAX вернул эту матрицу, она симметрична и содержит только конечные значения.
Как проверить результат
На гладкой scalar функции сравните симметрию и несколько элементов с конечными разностями градиента. Для pytree заранее изучите tree-product structure результата. Перед полным Hessian оцените число элементов n*n и доступную память.
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 вычисляйте полный Hessian миллионов параметров без оценки памяти.
- Не применяйте hessian к vector output без явного сведения к scalar цели.
- Не интерпретируйте локальную кривизну как гарантию глобального минимума.
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
Какова форма Hessian?
Для вектора длины n и scalar loss это матрица (n,n).
Почему матрица симметрична?
У достаточно гладкой scalar функции смешанные вторые производные совпадают.
Что использовать для большой модели?
Hessian-vector products без материализации полной матрицы.
Официальные источники
Частые вопросы
Какова форма Hessian?
Для вектора длины n и scalar loss это матрица `(n,n)`.
Почему матрица симметрична?
У достаточно гладкой scalar функции смешанные вторые производные совпадают.
Что использовать для большой модели?
Hessian-vector products без материализации полной матрицы.
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 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.
Комментарии
Пока тихо. Скажите первое слово