Гайд · TNWS AI
Как посчитать vector-Jacobian product через jax.vjp
Reverse-mode в JAX 0.11.2: pullback из jax.vjp, cotangent выхода, проверка cᵀJ и отличие от JVP.
Задача и применимость
Актуальный запрос: «как использовать jax vjp для градиента выхода». Распространить заданный cotangent от двух выходов назад к двум входам. jax.vjp сначала возвращает primal output и функцию pullback; pullback принимает cotangent той же структуры, что output, и выдаёт cotangents исходных аргументов. Это reverse-mode primitive, частным случаем которого является gradient scalar loss.
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 векторную функцию и точку вычисления.
- Получите output и pullback через jax.vjp.
- Передайте в pullback веса выходов как cotangent.
- Сравните полученный входной cotangent с ручным произведением cᵀJ.
Готовый проверяемый шаблон
import jax
import jax.numpy as jnp
def model(x):
return jnp.array([x[0] ** 2 + x[1], x[0] * x[1]])
x = jnp.array([2., 3.])
output, pullback = jax.vjp(model, x)
cotangent = jnp.array([2., -1.])
(input_cotangent,) = pullback(cotangent)
jacobian = jnp.array([[4., 1.], [3., 2.]])
assert jnp.allclose(output, jnp.array([7., 6.]))
assert jnp.allclose(input_cotangent, cotangent @ jacobian)
assert jnp.allclose(input_cotangent, jnp.array([5., 0.]))
print(output, input_cotangent)
Вход и ожидаемый результат
Cotangent [2,-1] задаёт линейную комбинацию выходов 2*y0-y1. Её производная по входу равна [5,0], что совпало с cotangent @ jacobian и результатом pullback.
Как проверить результат
Проверьте форму cotangent и число элементов в tuple результата: pullback возвращает один элемент на исходный аргумент функции. Для scalar output используйте cotangent единицу и сравните с jax.grad; для vector output зафиксируйте смысл каждого веса.
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 вызывайте pullback вектором формы входа, если форма выхода другая.
- Не забывайте распаковать одноэлементный tuple результата.
- Не используйте VJP как объяснение важности признаков без предметного анализа чувствительности.
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
Что такое pullback?
Функция, которая переносит cotangent выхода к аргументам исходной функции.
Связан ли vjp с grad?
Да, grad является частным случаем VJP для scalar output.
Можно вызвать pullback повторно?
Да, с совместимыми cotangents, учитывая стоимость сохранённых residuals.
Официальные источники
Частые вопросы
Что такое pullback?
Функция, которая переносит cotangent выхода к аргументам исходной функции.
Связан ли vjp с grad?
Да, `grad` является частным случаем VJP для scalar output.
Можно вызвать pullback повторно?
Да, с совместимыми cotangents, учитывая стоимость сохранённых residuals.
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