Гайд · TNWS AI
Как выбрать jacfwd или jacrev для матрицы Якоби в JAX
Сравнение forward- и reverse-mode Jacobian в JAX 0.11.2: одинаковый результат, формы, критерий выбора по входам и выходам.
Задача и применимость
Актуальный запрос: «как выбрать jacfwd или jacrev JAX матрица Якоби». Получить полную матрицу производных vector-valued функции и выбрать режим осознанно. jax.jacfwd применяет forward-mode, а jax.jacrev — reverse-mode. Оба должны давать одну матрицу, но стоимость зависит от геометрии функции. Проверяемая таблица выбора:
| Сценарий | Обычно уместнее | Причина |
|---|---|---|
| Входов заметно меньше, чем выходов | jacfwd | Прямой режим распространяет направления входа |
| Выходов заметно меньше, чем входов | jacrev | Обратный режим распространяет cotangents выхода |
| Размеры близки | Измерить оба | Backend и структура функции влияют на время и память |
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
- Задайте функцию с известной аналитической матрицей Якоби.
- Вычислите jacfwd и jacrev в одной точке.
- Проверьте форму
(output_size, input_size)и численное равенство. - Для рабочей формы прогрейте JIT-варианты и измерьте память и время отдельно.
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.])
j_forward = jax.jacfwd(model)(x)
j_reverse = jax.jacrev(model)(x)
expected = jnp.array([[4., 1.], [3., 2.]])
assert j_forward.shape == (2, 2)
assert jnp.allclose(j_forward, expected)
assert jnp.allclose(j_reverse, expected)
print(j_forward)
Вход и ожидаемый результат
Для двух входов и двух выходов обе функции вернули матрицу [[4,1],[3,2]]. Это подтверждает ориентацию осей: строка соответствует компоненте выхода, столбец — компоненте входа. Равенство не означает одинаковые затраты на другой архитектуре.
Как проверить результат
Проверьте несколько точек, dtype и порядок осей. Для benchmark используйте реальные input/output shapes, выполните компиляционный прогрев и block_until_ready; не выбирайте режим по одному маленькому квадратному примеру.
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 заключайте, что jacfwd всегда быстрее только из одного замера.
- Не транспонируйте матрицу без проверки соглашения осей.
- Не материализуйте огромный Jacobian, если достаточно JVP или VJP.
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
Должны ли результаты совпасть?
Да, для корректно дифференцируемой функции в пределах численного допуска.
Когда обычно выбирают jacrev?
Когда число выходов заметно меньше числа входов.
Что делать при огромном Jacobian?
Вычислять нужные JVP/VJP вместо полной матрицы.
Официальные источники
Частые вопросы
Должны ли результаты совпасть?
Да, для корректно дифференцируемой функции в пределах численного допуска.
Когда обычно выбирают jacrev?
Когда число выходов заметно меньше числа входов.
Что делать при огромном Jacobian?
Вычислять нужные JVP/VJP вместо 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