Гайд · TNWS AI
Как посчитать softmax cross-entropy с integer labels в Optax
Optax 0.2.6: проверяем multiclass loss для logits и целочисленных меток, формы входа и явное усреднение batch.
Задача и применимость
Актуальный запрос: «как посчитать softmax cross entropy с integer labels Optax». Рассчитать устойчивую multiclass cross-entropy напрямую по logits формы [batch, classes] и меткам класса формы [batch]. Для строк [2,1,0] с классом 0 и [0,1,2] с классом 2 функция возвращает одинаковые потери около 0,4076059. Softmax заранее вычислять не нужно. Результат поэлементный, поэтому среднее batch задаётся явно. Для sequence-модели отдельно учитывайте batch и time axes: padding positions исключаются маской до reduction. Логируйте долю валидных токенов вместе с loss, иначе изменение средней длины последовательностей исказит сравнение экспериментов.
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 loss-функции с похожими названиями: они различаются ожидаемыми labels, формой результата и численной нормировкой. Сначала закрепите logits/targets/reduction контракт тестом и следуйте документации установленной версии.
Пошаговое решение
- Подготовьте float logits без предварительного softmax.
- Создайте integer labels в диапазоне от 0 до classes-1.
- Вызовите softmax_cross_entropy_with_integer_labels.
- Проверьте форму
[batch]и затем явно вычислите mean.
Готовый проверяемый шаблон
import jax.numpy as jnp
import optax
logits = jnp.array([[2., 1., 0.], [0., 1., 2.]])
labels = jnp.array([0, 2], dtype=jnp.int32)
losses = optax.softmax_cross_entropy_with_integer_labels(logits, labels)
assert losses.shape == (2,)
assert jnp.allclose(losses, jnp.array([0.4076059, 0.4076059]))
assert jnp.allclose(losses.mean(), 0.4076059)
print(losses, losses.mean())
Вход и ожидаемый результат
Два объекта дали [0.4076059, 0.4076059], среднее — 0,4076059. Одинаковые значения объясняются симметричными logits и правильным крайним классом в каждой строке.
Как проверить результат
Сверьте число классов, диапазон labels и axis. Добавьте ручной -log_softmax(logits)[label] для одного объекта. Проверяйте loss до и после mean, чтобы случайно не усреднить также class axis.
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 probabilities вместо logits.
- Не one-hot кодировать labels для этой функции.
- Не забывать явно агрегировать batch.
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
Какая форма labels?
Обычно [batch], без class axis.
Нужен ли softmax?
Нет, передаются сырые logits.
Что возвращается?
Loss для каждого объекта.
Официальные источники
Частые вопросы
Какая форма labels?
Обычно `[batch]`, без class axis.
Нужен ли softmax?
Нет, передаются сырые logits.
Что возвращается?
Loss для каждого объекта.
Читайте также
Как использовать Huber loss в Optax для регрессии с выбросами
Optax 0.2.6: Huber loss квадратичен около нуля и линеен после delta; проверяем ошибки 0,5 и 2.
Как использовать sigmoid focal loss в Optax
Optax 0.2.6: focal loss для logits 0 и labels 0/1 при gamma=2; проверка симметричного базового значения.
Как посчитать binary cross-entropy по logits в Optax
Optax 0.2.6: sigmoid_binary_cross_entropy принимает logits и метки 0/1; проверяем базовый уровень ln(2).
Комментарии
Пока тихо. Скажите первое слово