Гайд · TNWS AI
Как скомпилировать train step через Flax NNX jit
Flax 0.12.10: nnx.jit для stateful model и Optimizer, value_and_grad, обновление параметров и проверка снижения loss.
Задача и применимость
Актуальный запрос: «как использовать nnx.jit для train step». Скомпилировать stateful шаг обучения, передавая NNX model и Optimizer напрямую. nnx.jit управляет графовым состоянием вокруг JAX JIT: функция считает scalar loss, получает value и gradients через nnx.value_and_grad, затем мутирует параметры и optimizer state вызовом update.
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 и Optimizer по всем nnx.Param.
- Определите функцию шага с декоратором nnx.jit.
- Внутри вычислите MSE, gradients и вызовите optimizer.update.
- Выполните два шага и проверьте step, конечность и снижение loss.
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, target = jnp.ones((4, 2)), jnp.zeros((4, 1))
@nnx.jit
def train_step(model, optimizer, x, target):
def loss_fn(m):
return jnp.mean((m(x) - target) ** 2)
loss, grads = nnx.value_and_grad(loss_fn)(model)
optimizer.update(model, grads)
return loss
loss1 = train_step(model, optimizer, x, target)
loss2 = train_step(model, optimizer, x, target)
assert jnp.isfinite(loss1) and jnp.isfinite(loss2)
assert loss2 < loss1
assert int(optimizer.step[...]) == 2
print(float(loss1), float(loss2), int(optimizer.step[...]))
Вход и ожидаемый результат
Два compiled шага вернули конечные loss, второй был меньше первого, а счётчик Optimizer стал равен 2. Первый вызов включает компиляцию; его время нельзя напрямую сравнивать с последующими.
Как проверить результат
Сначала подтвердите тот же алгоритм без JIT. Для benchmark прогрейте функцию, синхронизируйте результат через block_until_ready и отделите compilation latency. Следите за формами входов: новые shapes/dtypes могут вызвать новую компиляцию.
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 измерять производительность только первым вызовом.
- Не выполнять Python side effects внутри compiled функции.
- Не подавать постоянно меняющиеся shapes без контроля перекомпиляций.
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
Чем nnx.jit отличается от jax.jit?
Он интегрирует NNX graph/state semantics с JIT.
Обновляется ли Optimizer?
Да, пример проверяет его step после вызовов.
Почему первый шаг медленнее?
Он включает трассировку и компиляцию.
Официальные источники
Частые вопросы
Чем nnx.jit отличается от jax.jit?
Он интегрирует NNX graph/state semantics с JIT.
Обновляется ли Optimizer?
Да, пример проверяет его step после вызовов.
Почему первый шаг медленнее?
Он включает трассировку и компиляцию.
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