Гайд · TNWS AI
Как сделать один шаг обучения через Flax NNX Optimizer
Flax 0.12.10 и Optax 0.2.6: nnx.grad, SGD, Optimizer(wrt=nnx.Param), счётчик шага и проверка снижения MSE.
Задача и применимость
Актуальный запрос: «как обучать модель Flax NNX Optimizer grad». Выполнить реальный шаг SGD для линейной модели и проверить, что параметры изменились, счётчик стал равен одному, а MSE снизилась. nnx.Optimizer хранит ссылку на модель, transformation Optax и optimiser state; wrt=nnx.Param явно задаёт обновляемый тип переменных.
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 Linear 2→1 и маленький детерминированный batch.
- Оберните модель в nnx.Optimizer с optax.sgd и wrt=nnx.Param.
- Вычислите gradients через nnx.grad scalar loss.
- Вызовите optimizer.update и сравните loss, параметры и step.
Готовый проверяемый шаблон
import jax.numpy as jnp
import optax
from flax import nnx
model = nnx.Linear(2, 1, rngs=nnx.Rngs(0))
optimizer = nnx.Optimizer(model, optax.sgd(0.1), wrt=nnx.Param)
X = jnp.array([[1., 0.], [0., 1.], [1., 1.]])
y = jnp.array([[2.], [-1.], [1.]])
def loss_fn(m):
return jnp.mean((m(X) - y) ** 2)
loss_before = loss_fn(model)
kernel_before = model.kernel[...].copy()
grads = nnx.grad(loss_fn)(model)
optimizer.update(model, grads)
loss_after = loss_fn(model)
assert loss_after < loss_before
assert not jnp.array_equal(kernel_before, model.kernel[...])
assert int(optimizer.step[...]) == 1
print(float(loss_before), float(loss_after), int(optimizer.step[...]))
Вход и ожидаемый результат
На проверенном batch один шаг с learning rate 0,1 уменьшил MSE примерно с 0,83583 до 0,52098. Kernel изменился, а optimizer.step стал равен 1.
Как проверить результат
На контролируемой задаче проверяйте снижение loss после одного малого шага и конечность каждого gradient leaf. На stochastic batch отдельный шаг не обязан улучшать validation; там анализируют тренд, независимые метрики и отсутствие утечки.
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 обновлять BatchStat тем же способом, что Param.
- Не вызывать update градиентами от другой структуры модели.
- Не выбирать learning rate по test set.
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 означает wrt=nnx.Param?
Оптимизатор обновляет переменные типа Param.
Где хранится номер шага?
В optimizer.step.
Нужен ли Optax?
NNX Optimizer принимает Optax gradient transformation.
Официальные источники
Частые вопросы
Что означает wrt=nnx.Param?
Оптимизатор обновляет переменные типа Param.
Где хранится номер шага?
В `optimizer.step`.
Нужен ли Optax?
NNX Optimizer принимает Optax gradient transformation.
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