Гайд · TNWS AI
Как взять gradient по weights и bias через jax.grad argnums
JAX 0.11.2: argnums=(0,1), tuple производных weights и bias, формы и аналитическая проверка MSE.
Задача и применимость
Актуальный запрос: «как вычислить градиент по нескольким аргументам JAX argnums». Дифференцировать одну scalar loss одновременно по нескольким позиционным аргументам, оставив batch и targets константами. Если argnums является tuple индексов, jax.grad возвращает tuple производных в том же порядке. Это полезно, когда weights и bias ещё не объединены в единый pytree.
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 loss с отдельными аргументами w, b, X и y.
- Укажите argnums=(0,1), чтобы дифференцировать только первые два.
- Вызовите gradient-функцию на фиксированном batch.
- Проверьте tuple order, формы и значения ручным MSE-расчётом.
Готовый проверяемый шаблон
import jax
import jax.numpy as jnp
X = jnp.array([[1., 0.], [0., 1.], [1., 1.]])
y = jnp.array([1., -1., 0.])
def loss(w, b, features, targets):
return jnp.mean((features @ w + b - targets) ** 2)
w = jnp.zeros((2,))
b = jnp.array(0.)
grad_w, grad_b = jax.grad(loss, argnums=(0, 1))(w, b, X, y)
assert grad_w.shape == (2,)
assert grad_b.shape == ()
assert jnp.allclose(grad_w, jnp.array([-2./3., 2./3.]))
assert jnp.allclose(grad_b, 0.)
print(grad_w, grad_b)
Вход и ожидаемый результат
При нулевых параметрах остатки равны [-1,1,0]. Проверенный gradient weights равен [-2/3,2/3], bias — нулю. Tuple распаковывается в том же порядке, в котором индексы перечислены в argnums.
Как проверить результат
Сверьте каждый аргумент отдельно с аналитикой или finite differences, особенно при перестановке сигнатуры. Проверьте scalar output loss: grad не принимает произвольный vector output без сведения к scalar цели.
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 считать argnums индексами ключей dict — это позиции аргументов функции.
- Не перепутать порядок tuple результата.
- Не включать данные X и labels в argnums без осознанной задачи 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 вернёт tuple argnums?
Tuple gradients в порядке указанных индексов.
Можно ли дифференцировать pytree?
Да, gradient повторяет структуру выбранного pytree-аргумента.
Какой должна быть loss?
Scalar-valued функция для обычного grad.
Официальные источники
Частые вопросы
Что вернёт tuple argnums?
Tuple gradients в порядке указанных индексов.
Можно ли дифференцировать pytree?
Да, gradient повторяет структуру выбранного pytree-аргумента.
Какой должна быть loss?
Scalar-valued функция для обычного grad.
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