深度學習框架PyTorch一書的學習-第四章-神經網絡工具箱nn

參考https://github.com/chenyuntc/pytorch-book/tree/v1.0

希望大家直接到上面的網址去查看代碼，下面是本人的筆記

本章介紹的nn模塊是構建與autograd之上的神經網絡模塊

除了nn外還會介紹神經網絡中常用的工具，比如優化器optim、初始化init等

1.nn.Module

torch的核心數據結構是Module，它是一個抽象的概念，既可以表示神經網絡中的某個層，也可以表示一個包含很多層的神經網絡

在實際使用中，最常見的做法是繼承nn.Module，攥寫自己的網絡層

下面先來看看如何使用nn.Module實現自己的全連接層。全連接層，又名仿射層，輸出y和輸入x滿足y=Wx +b,W和b是可以學習的參數

import torch as t
from torch import nn
from torch.autograd import Variable as V

定義函數：

class Linear(nn.Module): #繼承nn.Moduledef __init__(self, in_features, out_features):super(Linear, self).__init__() #等價于nn.Module.__init__(self)self.w = nn.Parameter(t.randn(in_features,out_features)) #參數的命名規范下面會說明self.b = nn.Parameter(t.randn(out_features))def forward(self, x):x = x.mm(self.w)return x + self.b.expand_as(x)

運行：

layer = Linear(4,3)
input = V(t.randn(2,4))
output = layer(input)
output

tensor([[-0.4199,  3.7252,  1.9104],[ 2.3267,  2.0576, -2.9361]], grad_fn=<AddBackward0>)

查看參數：

for name, parameter in layer.named_parameters():print(name, parameter) #即w，b

w Parameter containing:
tensor([[ 1.1147, -0.8054, -0.7915],[-0.3828,  0.1073,  2.0440],[-0.3297,  0.0465,  0.0759],[ 0.1022,  0.1638,  1.0872]], requires_grad=True)
b Parameter containing:
tensor([ 1.2872,  2.3990, -0.7711], requires_grad=True)

可見，全連接層的實現非常簡單，其代碼量不超過10行，但需注意以下幾點：

自定義層Linear必須繼承nn.Module，并且在其構造函數中需調用nn.Module的構造函數，即super(Linear, self).__init__()?或nn.Module.__init__(self)，推薦使用第一種用法，盡管第二種寫法更直觀。
在構造函數__init__中必須自己定義可學習的參數，并封裝成Parameter，如在本例中我們把w和b封裝成parameter。parameter是一種特殊的Variable，但其默認需要求導（requires_grad = True），感興趣的讀者可以通過nn.Parameter??，查看Parameter類的源代碼。
forward函數實現前向傳播過程，其輸入可以是一個或多個variable，對x的任何操作也必須是variable支持的操作。
無需寫反向傳播函數，因其前向傳播都是對variable進行操作，nn.Module能夠利用autograd自動實現反向傳播，這點比Function簡單許多。
使用時，直觀上可將layer看成數學概念中的函數，調用layer(input)即可得到input對應的結果。它等價于layers.__call__(input)，在__call__函數中，主要調用的是?layer.forward(x)，另外還對鉤子做了一些處理。所以在實際使用中應盡量使用layer(x)而不是使用layer.forward(x)，關于鉤子技術將在下文講解。
Module中的可學習參數可以通過named_parameters()或者parameters()返回迭代器，前者會給每個parameter都附上名字，使其更具有辨識度。

可見利用Module實現的全連接層，比利用Function實現的更為簡單，因其不再需要寫反向傳播函數。

Module能夠自動檢測到自己的Parameter，并將其作為學習參數。除了parameter之外，Module還包含子Module，主Module能夠遞歸查找子Module中的parameter。下面再來看看稍微復雜一點的網絡，多層感知機。

多層感知機的網絡結構如圖4-1所示，它由兩個全連接層組成，采用 $sigmoid$ 函數作為激活函數，圖中沒有畫出。

class Perceptron(nn.Module):def __init__(self, in_features, hidden_features, out_features):super(Perceptron, self).__init__()self.layer1 = Linear(in_features, hidden_features) #使用的是上面定義的Linear函數self.layer2 = Linear(hidden_features, out_features)def forward(self, x):x = self.layer1(x)x = t.sigmoid(x) #激活函數return self.layer2(x)

調用：

perceptron = Perceptron(3,4,1)
for name, param in perceptron.named_parameters():print(name, param.size())

layer1.w torch.Size([3, 4])
layer1.b torch.Size([4])
layer2.w torch.Size([4, 1])
layer2.b torch.Size([1])

可見，即使是稍復雜的多層感知機，其實現依舊很簡單。這里新增兩個知識點：

構造函數__init__中，可利用前面自定義的Linear層(module)，作為當前module對象的一個子module，它的可學習參數，也會成為當前module的可學習參數。
在前向傳播函數中，我們有意識地將輸出變量都命名成x，是為了能讓Python回收一些中間層的輸出，從而節省內存。但并不是所有都會被回收，有些variable雖然名字被覆蓋，但其在反向傳播仍需要用到，此時Python的內存回收模塊將通過檢查引用計數，不會回收這一部分內存。

module中parameter的命名規范：

對于類似self.param_name = nn.Parameter(t.randn(3, 4))，命名為param_name
對于子Module中的parameter，會其名字之前加上當前Module的名字。如對于self.sub_module = SubModel()，SubModel中有個parameter的名字叫做param_name，那么二者拼接而成的parameter name 就是sub_module.param_name。

為方便用戶使用，PyTorch實現了神經網絡中絕大多數的layer，這些layer都繼承于nn.Module，封裝了可學習參數parameter，并實現了forward函數，且很多都專門針對GPU運算進行了CuDNN優化，其速度和性能都十分優異。本書不準備對nn.Module中的所有層進行詳細介紹，具體內容讀者可參照官方文檔。閱讀文檔時應主要關注以下幾點：

構造函數的參數，如nn.Linear(in_features, out_features, bias)，需關注這三個參數的作用。
屬性，可學習參數，子module。如nn.Linear中有weight和bias兩個可學習參數，不包含子module。
輸入輸出的形狀，如nn.linear的輸入形狀是(N, input_features)，輸出為(N，output_features)，N是batch_size。

這些自定義layer對輸入形狀都有假設：輸入的不是單個數據，而是一個batch。

若想輸入一個數據，則必須調用unsqueeze(0)函數將數據偽裝成batch_size=1的batch

下面將從應用層面出發，對一些常用的layer做簡單介紹，更詳細的用法請查看文檔，這里只作概覽參考。

2.常用神經網絡層

1.圖像相關層

圖像相關層主要包括卷積層（Conv）、池化層（Pool）等，這些層在實際使用中可分為一維(1D)、二維(2D)、三維（3D），池化方式又分為平均池化（AvgPool）、最大值池化（MaxPool）、自適應池化（AdaptiveAvgPool）等。而卷積層除了常用的前向卷積之外，還有逆卷積（TransposeConv）。下面舉例說明一些基礎的使用。

from PIL import Image
from torchvision.transforms import ToTensor, ToPILImage
to_tensor = ToTensor() #img -> tensor
to_pil = ToPILImage()
lena = Image.open('imgs/lena.png') #這是個灰度圖像
lena

返回圖片：

#輸入是一個batch，batch_size = 1
print(lena.size) #（1， 200， 200）
input = to_tensor(lena).unsqueeze(0) #變成(1,1,200,200)
print(input)

#銳化卷積核
kernel = t.ones(3 ,3)/-9
kernel[1][1] = 1
conv = nn.Conv2d(1, 1, (3,3), 1, bias = False)
conv.weight.data = kernel.view(1,1,3,3)out = conv(V(input))
to_pil(out.data.squeeze(0))

(200, 200)
tensor([[[[0.6353, 0.6314, 0.6314,  ..., 0.6118, 0.6667, 0.5922],[0.6353, 0.6314, 0.6314,  ..., 0.6078, 0.6510, 0.5647],[0.6275, 0.6235, 0.6235,  ..., 0.4824, 0.4157, 0.3098],...,[0.1961, 0.2078, 0.2078,  ..., 0.2510, 0.3098, 0.3412],[0.1922, 0.2000, 0.2039,  ..., 0.3098, 0.3686, 0.3804],[0.1843, 0.2078, 0.1961,  ..., 0.3569, 0.3961, 0.4078]]]])

圖示：

池化層可以看作是一種特殊的卷積層，用來下采樣。但池化層沒有可學習參數，其weight是固定的。

pool = nn.AvgPool2d(2,2) #平均池化
list(pool.parameters()) #返回[]，因為無參數

out = pool(input) #對數據進行池化
to_pil(out.data.squeeze(0)) #顯示結果

圖示：

除了卷積層和池化層，深度學習中還將常用到以下幾個層：

Linear：全連接層。
BatchNorm：批規范化層，分為1D、2D和3D。除了標準的BatchNorm之外，還有在風格遷移中常用到的InstanceNorm層。
Dropout：dropout層，用來防止過擬合，同樣分為1D、2D和3D。下面通過例子來說明它們的使用。

1）全連接層

#輸入batch_size = 2,維度為3
input = t.randn(2,3)
linear = nn.Linear(3,4)
h = linear(input)
h

tensor([[ 0.5406, -0.0327,  0.7291,  0.5262],[ 0.1471, -0.1924,  0.8960,  0.7801]], grad_fn=<AddmmBackward>)

2）批規范化，即歸一化層

#4 channel，初始化標準差為4，均值為0
bn = nn.BatchNorm1d(4) #對小批量(mini-batch)的2d或3d輸入進行批標準化(Batch Normalization)操作，即歸一化
bn.weight.data = t.ones(4) * 4
bn.bias.data = t.zeros(4)bn_out = bn(h)
#注意輸出的均值和方差
#方差是標準差的平方，計算無偏方差分母會減1
#使用unbiased=False 分母不減1
bn_out.mean(0), bn_out.var(0, unbiased=False) #歸一化后平均值為0,方差為標準單位方差

(tensor([0., 0., 0., 0.], grad_fn=<MeanBackward0>),tensor([15.9959, 15.9749, 15.9771, 15.9901], grad_fn=<VarBackward1>))

Batch歸一化使用在z上，下面激活函數處的例子可見，對其進行卷積 -> batch歸一化 -> 激活函數

3）dropout正則化層

#每個元素以0.5的概率舍棄，實現dropout正則化，消除過擬合問題
dropout = nn.Dropout(0.5)
o = dropout(bn_out)
o #有一半左右的數變成0

tensor([[ 0.0000,  7.9937, -7.9943, -7.9975],[-0.0000, -0.0000,  7.9943,  7.9975]], grad_fn=<MulBackward0>)

以上很多例子中都對module的屬性直接操作，其大多數是可學習參數，一般會隨著學習的進行而不斷改變。實際使用中除非需要使用特殊的初始化，應盡量不要直接修改這些參數。

2.激活函數

1）ReLu

$ReLU(x)=max(0,x)$

relu = nn.ReLU(inplace=True)
input = t.randn(2,3)
print(input)
output = relu(input)
print(output) #小于0的都被截斷為0
#等價于input.clamp(min=0)

tensor([[ 1.2619, -0.9128,  0.6259],[-1.4834,  0.7297, -0.8562]])
tensor([[1.2619, 0.0000, 0.6259],[0.0000, 0.7297, 0.0000]])

ReLU函數有個inplace參數，如果設為True，它會把輸出直接覆蓋到輸入中，這樣可以節省內存/顯存。之所以可以覆蓋是因為在計算ReLU的反向傳播時，只需根據輸出就能夠推算出反向傳播的梯度。

但是只有少數的autograd操作支持inplace操作（如tensor.sigmoid_()），除非你明確地知道自己在做什么，否則一般不要使用inplace操作。

在以上的例子中，基本上都是將每一層的輸出直接作為下一層的輸入，這種網絡稱為前饋傳播網絡（feedforward neural network）。

對于此類網絡如果每次都寫復雜的forward函數會有些麻煩，在此就有兩種簡化方式，ModuleList和Sequential。其中Sequential是一個特殊的module，它包含幾個子Module，前向傳播時會將輸入一層接一層的傳遞下去。ModuleList也是一個特殊的module，可以包含幾個子module，可以像用list一樣使用它，但不能直接把輸入傳給ModuleList。下面舉例說明。

1)Sequential

#Sequential的三種寫法
#第一種
net1 = nn.Sequential()
net1.add_module('conv', nn.Conv2d(3,3,3))
net1.add_module('batchnorm', nn.BatchNorm2d(3))
net1.add_module('activation_layer', nn.ReLU())#第二種
net2 = nn.Sequential(nn.Conv2d(3,3,3),nn.BatchNorm2d(3),nn.ReLU())#第三種
from collections import OrderedDict
net3 = nn.Sequential(OrderedDict([('conv1', nn.Conv2d(3,3,3)),('bn1', nn.BatchNorm2d(3)),('relu1',nn.ReLU())]))
print('net1:', net1)
print('net2:', net2)
print('net3:', net3)

net1: Sequential((conv): Conv2d(3, 3, kernel_size=(3, 3), stride=(1, 1))(batchnorm): BatchNorm2d(3, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)(activation_layer): ReLU()
)
net2: Sequential((0): Conv2d(3, 3, kernel_size=(3, 3), stride=(1, 1))(1): BatchNorm2d(3, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)(2): ReLU()
)
net3: Sequential((conv1): Conv2d(3, 3, kernel_size=(3, 3), stride=(1, 1))(bn1): BatchNorm2d(3, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)(relu1): ReLU()
)

#可根據名字后序號取出子module
net1.conv, net2[0], net3.conv1

(Conv2d(3, 3, kernel_size=(3, 3), stride=(1, 1)),Conv2d(3, 3, kernel_size=(3, 3), stride=(1, 1)),Conv2d(3, 3, kernel_size=(3, 3), stride=(1, 1)))

調用方式為：

input = t.rand(1,3,4,4)
output1 = net1(input)
output2 = net2(input)
output3 = net3(input)
output4 = net3.relu1(net1.batchnorm(net1.conv(input)))

2）ModuleList

modellist = nn.ModuleList([nn.Linear(3,4), nn.ReLU(), nn.Linear(4,2)])
input = t.randn(1,3)
for model in modellist:input = model(input)
print(input)

tensor([[-0.6547,  0.8027]], grad_fn=<AddmmBackward>)

# 下面會報錯,因為modellist沒有實現forward方法
output = modellist(input)

看到這里，讀者可能會問，為何不直接使用Python中自帶的list，而非要多此一舉呢？這是因為ModuleList是Module的子類，當在Module中使用它的時候，就能自動識別為子module。

下面舉一個實現forward的例子進行說明：

class MyModule(nn.Module):def __init__(self):super(MyModule, self).__init__()self.list = [nn.Linear(3,4), nn.ReLU()]self.module_list = nn.ModuleList([nn.Conv2d(3,3,3), nn.ReLU()])def forward(self):pass
model = MyModule()
model

MyModule((module_list): ModuleList((0): Conv2d(3, 3, kernel_size=(3, 3), stride=(1, 1))(1): ReLU())
)

查看參數：

for name, param in model.named_parameters():print(name, param.size())

module_list.0.weight torch.Size([3, 3, 3, 3])
module_list.0.bias torch.Size([3])

可見，list中的子module并不能被主module所識別，而ModuleList中的子module能夠被主module所識別。這意味著如果用list保存子module，將無法調整其參數，因其未加入到主module的參數中。

除ModuleList之外還有ParameterList，其是一個可以包含多個parameter的類list對象。在實際應用中，使用方式與ModuleList類似。

如果在構造函數__init__中用到list、tuple、dict等對象時，一定要思考是否應該用ModuleList或ParameterList代替。

3.循環神經網絡層（后面好好看看）

近些年隨著深度學習和自然語言處理的結合加深，RNN的使用也越來越多，關于RNN的基礎知識，推薦閱讀colah的文章¹入門。PyTorch中實現了如今最常用的三種RNN：RNN（vanilla RNN）、LSTM和GRU。此外還有對應的三種RNNCell。

RNN和RNNCell層的區別在于前者一次能夠處理整個序列，而后者一次只處理序列中一個時間點的數據，前者封裝更完備更易于使用，后者更具靈活性。實際上RNN層的一種后端實現方式就是調用RNNCell來實現的。

t.manual_seed(1000)
# 輸入：batch_size=3，序列長度都為2，序列中每個元素占4維
input = t.randn(2, 3, 4)
# lstm輸入向量4維，隱藏元3，1層
lstm = nn.LSTM(4, 3, 1)
# 初始狀態：1層，batch_size=3，3個隱藏元
h0 = t.randn(1, 3, 3)
c0 = t.randn(1, 3, 3)
out, hn = lstm(input, (h0, c0))
out

tensor([[[-0.3610, -0.1643,  0.1631],[-0.0613, -0.4937, -0.1642],[ 0.5080, -0.4175,  0.2502]],[[-0.0703, -0.0393, -0.0429],[ 0.2085, -0.3005, -0.2686],[ 0.1482, -0.4728,  0.1425]]], grad_fn=<StackBackward>)

t.manual_seed(1000)
input = t.randn(2, 3, 4)
# 一個LSTMCell對應的層數只能是一層
lstm = nn.LSTMCell(4, 3)
hx = t.randn(3, 3)
cx = t.randn(3, 3)
out = []
for i_ in input:hx, cx=lstm(i_, (hx, cx))out.append(hx)
t.stack(out)

tensor([[[-0.3610, -0.1643,  0.1631],[-0.0613, -0.4937, -0.1642],[ 0.5080, -0.4175,  0.2502]],[[-0.0703, -0.0393, -0.0429],[ 0.2085, -0.3005, -0.2686],[ 0.1482, -0.4728,  0.1425]]], grad_fn=<StackBackward>)

# 有4個詞，每個詞用5維的向量表示
embedding = nn.Embedding(4, 5)
# 可以用預訓練好的詞向量初始化embedding
embedding.weight.data = t.arange(0,20).view(4,5)

input = t.arange(3, 0, -1).long()
output = embedding(input)
output

tensor([[15, 16, 17, 18, 19],[10, 11, 12, 13, 14],[ 5,  6,  7,  8,  9]], grad_fn=<EmbeddingBackward>)

4.損失函數

這里以分類中最常用的交叉熵損失CrossEntropyloss為例說明：

#batch_size = 3,計算對應每個類別的分數（只有兩個類別）
score = t.randn(3,2)
#三個樣本分別屬于1，0，1類，label必須是LongTensor
label = t.Tensor([1,0,1]).long()#loss與普通的layer無差異
criterion = nn.CrossEntropyLoss()
loss = criterion(score, label)
loss #返回tensor(0.5944)

5.優化器

PyTorch將深度學習中常用的優化方法全部封裝在torch.optim中，其設計十分靈活，能夠很方便的擴展成自定義的優化方法。

所有的優化方法都是繼承基類optim.Optimizer，并實現了自己的優化步驟。下面就以最基本的優化方法——隨機梯度下降法（SGD）舉例說明。這里需重點掌握：

優化方法的基本使用方法
如何對模型的不同部分設置不同的學習率
如何調整學習率

#首先定義一個LeNet網絡
class Net(nn.Module):def __init__(self):super(Net, self).__init__()self.features = nn.Sequential(nn.Conv2d(3,6,5),nn.ReLU(),nn.MaxPool2d(2,2),nn.Conv2d(6,16,5),nn.ReLU(),nn.MaxPool2d(2,2))self.classifier = nn.Sequential( #全連接層nn.Linear(16*5*5, 120),nn.ReLU(),nn.Linear(120, 84),nn.ReLU(),nn.Linear(84, 10))def forward(self, x):x = self.features(x)x = x.view(-1,16*5*5) #將數據扁平化處理用傳入全連接層x = self.classifier(x)return x
net = Net()

from torch import optim
optimizer = optim.SGD(params=net.parameters(), lr=1)
optimizer.zero_grad() #梯度清零，等價于net.zero_grad()input = t.randn(1,3,32,32)
output = net(input)
output.backward(output) #fake backward，后向傳播，計算梯度optimizer.step() #執行優化

# 為不同子網絡設置不同的學習率，在finetune中經常用到
# 如果對某個參數不指定學習率，就使用最外層的默認學習率
optimizer = optim.SGD([{'params' : net.features.parameters()}, #學習率為1e-5{'params' : net.classifier.parameters(), 'lr':1e-2}], lr=1e-5)
optimizer

SGD (
Parameter Group 0dampening: 0lr: 1e-05momentum: 0nesterov: Falseweight_decay: 0Parameter Group 1dampening: 0lr: 0.01momentum: 0nesterov: Falseweight_decay: 0
)

# 只為兩個全連接層設置較大的學習率，其余層的學習率較小
special_layers = nn.ModuleList([net.classifier[0], net.classifier[2]])
special_layers_params = list(map(id, special_layers.parameters()))
base_params = filter(lambda p: id(p) not in special_layers_params, net.parameters())optimizer = t.optim.SGD([{'params': base_params},{'params': special_layers.parameters(), 'lr': 0.01}], lr=0.001 )
optimizer

SGD (
Parameter Group 0dampening: 0lr: 0.001momentum: 0nesterov: Falseweight_decay: 0Parameter Group 1dampening: 0lr: 0.01momentum: 0nesterov: Falseweight_decay: 0
)

對于如何調整學習率，主要有兩種做法：

一種是更簡單也是較為推薦的做法——新建優化器，由于optimizer十分輕量級，構建開銷很小，故而可以構建新的optimizer。但是后者對于使用動量的優化器（如Adam），會丟失動量等狀態信息，可能會造成損失函數的收斂出現震蕩等情況。
一種是修改optimizer.param_groups中對應的學習率

1）新建優化器

#方法1:調整學習率，新建一個optimizer
old_lr = 0.1
optimizer1 = optim.SGD([{'params': net.features.parameters()},{'params': net.classifier.parameters(), 'lr':old_lr *0.1}
], lr = 1e-5)
optimizer1

SGD (
Parameter Group 0dampening: 0lr: 1e-05momentum: 0nesterov: Falseweight_decay: 0Parameter Group 1dampening: 0lr: 0.010000000000000002momentum: 0nesterov: Falseweight_decay: 0
)

2）調整學習率

#方法2:調整學習率，手動衰減，保存動量
for param_group in optimizer.param_groups:param_group['lr'] *= 0.1
optimizer

SGD (
Parameter Group 0dampening: 0lr: 0.0001momentum: 0nesterov: Falseweight_decay: 0Parameter Group 1dampening: 0lr: 0.001momentum: 0nesterov: Falseweight_decay: 0
)

3.nn.functional

nn中還有一個很常用的模塊：nn.functional，nn中的大多數layer，在functional中都有一個與之相對應的函數。

nn.functional中的函數和nn.Module的主要區別在于:

nn.Module實現的layers是一個特殊的類，都是由class layer(nn.Module)定義，會自動提取可學習的參數
nn.functional中的函數更像是純函數，由def function(input)定義。

下面舉例說明functional的使用，并指出二者的不同之處。

input = t.randn(2,3)
model = nn.Linear(3,4)
output1 = model(input)
#使用上面使用的w,b，兩種寫法返回的結果是相同的
output2 = nn.functional.linear(input, model.weight, model.bias)
output1 == output2

tensor([[1, 1, 1, 1],[1, 1, 1, 1]], dtype=torch.uint8)

b = nn.functional.relu(input)
b2 = nn.ReLU()(input)
b == b2

tensor([[1, 1, 1],[1, 1, 1]], dtype=torch.uint8)

此時讀者可能會問，應該什么時候使用nn.Module，什么時候使用nn.functional呢？

答案很簡單，如果模型有可學習的參數，最好用nn.Module，否則既可以使用nn.functional也可以使用nn.Module，二者在性能上沒有太大差異，具體的使用取決于個人的喜好。

如激活函數（ReLU、sigmoid、tanh），池化（MaxPool）等層由于沒有可學習參數，則可以使用對應的functional函數代替，而對于卷積、全連接等具有可學習參數的網絡建議使用nn.Module。

下面舉例說明，如何在模型中搭配使用nn.Module和nn.functional。

??另外雖然dropout操作也沒有可學習操作，但建議還是使用nn.Dropout而不是nn.functional.dropout，因為dropout在訓練和測試兩個階段的行為有所差別，使用nn.Module對象能夠通過model.eval操作加以區分。

from torch.nn import functional as F
class Net(nn.Module):def __init__(self):super(Net, self).__init__()self.conv1 = nn.Conv2d(3,6,5)self.conv2 = nn.Conv2d(6,16,5)self.fc1 = nn.Linear(16*5*5, 120)self.fc2 = nn.Linear(120,84)self.fc3 = nn.Linear(84, 10)def forward(self,x):x = F.pool(F.relu(self.conv1(x)),2)x = F.pool(F.relu(self.conv2(x)),2)x = x.view(-1, 16*5*5)x = F.relu(self.fc1(x))x = F.relu(self.fc2(x))        x = self.fc3(x)return x

對于不具備可學習參數的層（激活層、池化層等），將它們用函數代替，這樣則可以不用放置在構造函數__init__中。對于有可學習參數的模塊，也可以用functional來代替，只不過實現起來較為繁瑣，需要手動定義參數parameter，如前面實現自定義的全連接層，就可將weight和bias兩個參數單獨拿出來，在構造函數中初始化為parameter。

class MyLinear(nn.Module):def __init__(self):super(MyLinear, self).__init__()self.weight = nn.Parameter(t.randn(3,4))self.bias = nn.Parameter(t.zeros(3))def forward(self):return F.linear(input, weight, bias)

4.初始化策略

在深度學習中參數的初始化十分重要，良好的初始化能讓模型更快收斂，并達到更高水平，而糟糕的初始化則可能使得模型迅速癱瘓。

PyTorch中nn.Module的模塊參數都采取了較為合理的初始化策略，因此一般不用我們考慮，當然我們也可以用自定義初始化去代替系統的默認初始化。而當我們在使用Parameter時，自定義初始化則尤為重要，因t.Tensor()返回的是內存中的隨機數，很可能會有極大值，這在實際訓練網絡中會造成溢出或者梯度消失。

PyTorch中nn.init模塊就是專門為初始化而設計，如果某種初始化策略nn.init不提供，用戶也可以自己直接初始化。

使用的初始化策略是：

torch.nn.init.xavier_normal_(tensor, gain=1)

參數：

tensor?– n維的torch.Tensor
gain?- 可選的縮放因子

用一個正態分布生成值，填充輸入的張量或變量。結果張量中的值采樣自均值為0，標準差為gain * sqrt(2/(fan_in + fan_out))的正態分布。也被稱為Glorot initialisation.

1）直接初始化：

#利用nn.init初始化
from torch.nn import init
linear = nn.Linear(3,4)t.manual_seed(1)
#等價于linear.weight.data.normal_(0, std),std是正態分布的標準差
init.xavier_normal_(linear.weight)

Parameter containing:
tensor([[ 0.3535,  0.1427,  0.0330],[ 0.3321, -0.2416, -0.0888],[-0.8140,  0.2040, -0.5493],[-0.3010, -0.4769, -0.0311]], requires_grad=True)

2）手動初始化

#手動初始化
import math
t.manual_seed(1)#xavier初始化的計算公式
std = math.sqrt(2)/math.sqrt(7.)#3+4 = 7
linear.weight.data.normal_(0, std)

tensor([[ 0.3535,  0.1427,  0.0330],[ 0.3321, -0.2416, -0.0888],[-0.8140,  0.2040, -0.5493],[-0.3010, -0.4769, -0.0311]])

#對模型的所有參數進行初始化
for name, params in net.named_parameters():if name.find('linear') != -1:#init linearparams[0] #weightparams[1] #biaselif name.find('conv') != -1:passelif name.find('norm') != -1:pass

5.nn.Module深入分析

如果想要更深入地理解nn.Module，究其原理是很有必要的。首先來看看nn.Module基類的構造函數：

其中每個屬性的解釋如下：

_parameters：字典，保存用戶直接設置的parameter，self.param1 = nn.Parameter(t.randn(3, 3))會被檢測到，在字典中加入一個key為'param'，value為對應parameter的item。而self.submodule = nn.Linear(3, 4)中的parameter則不會存于此。
_modules：子module，通過self.submodel = nn.Linear(3, 4)指定的子module會保存于此。
_buffers：緩存。如batchnorm使用momentum機制，每次前向傳播需用到上一次前向傳播的結果。
_backward_hooks與_forward_hooks：鉤子技術，用來提取中間變量，類似variable的hook。
training：BatchNorm與Dropout層在訓練階段和測試階段中采取的策略不同，通過判斷training值來決定前向傳播策略。

上述幾個屬性中，_parameters、_modules和_buffers這三個字典中的鍵值，都可以通過self.key方式獲得，效果等價于self._parameters['key'].

下面舉例說明：

1）定義網絡：

class Net(nn.Module):def __init__(self):super(Net, self).__init__()#等價于self.register_parameter('param1', nn.Parameter(t.randn(3,3)))self.param1 = nn.Parameter(t.rand(3,3))self.submodel1 = nn.Linear(3,4)def forward(self, input):x = self.param1.mm(input)x = self.submodel1(x)return x
net = Net()
net

Net((submodel1): Linear(in_features=3, out_features=4, bias=True)
)

2）

net._modules #查看設置的子模塊

OrderedDict([('submodel1', Linear(in_features=3, out_features=4, bias=True))])

另一種查看子模塊方法：

for name, submodel in net.named_modules():print(name, submodel)

 Net((submodel1): Linear(in_features=3, out_features=4, bias=True)
)
submodel1 Linear(in_features=3, out_features=4, bias=True)

nn.Module在實際使用中可能層層嵌套，一個module包含若干個子module，每一個子module又包含了更多的子module。

為方便用戶訪問各個子module，nn.Module實現了很多方法，如函數children可以查看直接子module，函數module可以查看所有的子module（包括當前module）。

與之相對應的還有函數named_childen和named_modules，其能夠在返回module列表的同時返回它們的名字。

3）

net._parameters #查看網絡中使用的參數

OrderedDict([('param1', Parameter containing:tensor([[0.3398, 0.5239, 0.7981],[0.7718, 0.0112, 0.8100],[0.6397, 0.9743, 0.8300]], requires_grad=True))])

另一種查看參數方法：

net.param1 #等價于net._parameters['param1']

Parameter containing:
tensor([[0.3398, 0.5239, 0.7981],[0.7718, 0.0112, 0.8100],[0.6397, 0.9743, 0.8300]], requires_grad=True)

另一種查看參數方法，上面的方法沒辦法查看到層中使用的w,b參數，下面的方法可以查看w,b參數：

for name, param in net.named_parameters():print(name, param.size())

param1 torch.Size([3, 3])
submodel1.weight torch.Size([4, 3])
submodel1.bias torch.Size([4])

4）_buffers

bn = nn.BatchNorm1d(2)
input = t.rand(3,2)
output = bn(input)
bn._buffers #上一次前向傳播結果

OrderedDict([('running_mean', tensor([0.0514, 0.0749])),('running_var', tensor([0.9116, 0.9068])),('num_batches_tracked', tensor(1))])

5)training

input = t.arange(0, 12).float().view(3,4)
model = nn.Dropout()
#在訓練階段，會有一半的值被設置為0
model(input)

tensor([[ 0.,  0.,  4.,  0.],[ 8.,  0.,  0., 14.],[ 0.,  0.,  0., 22.]])

#如果將training設置為False，那么dropout在測試階段將什么都不做
model.training = False
model(input)

tensor([[ 0.,  1.,  2.,  3.],[ 4.,  5.,  6.,  7.],[ 8.,  9., 10., 11.]])

對于batchnorm、dropout、instancenorm等在訓練和測試階段行為差距巨大的層，如果在測試時不將其training值設為True，則可能會有很大影響，這在實際使用中要千萬注意。

雖然可通過直接設置training屬性，來將子module設為train和eval模式，但這種方式較為繁瑣，因如果一個模型具有多個dropout層，就需要為每個dropout層指定training屬性。

更為推薦的做法是調用model.train()函數，它會將當前module及其子module中的所有training屬性都設為True，相應的，model.eval()函數會把training屬性都設為False。

print(net.training, net.submodel1.training)
net.eval()
net.training, net.submodel1.training

True True
(False, False)

6）register_forward_hook/register_backward_hook：中間變量

這兩個函數的功能類似于variable函數的register_hook，可在module前向傳播或反向傳播時注冊鉤子。每次前向傳播執行結束后會執行鉤子函數（hook）。前向傳播的鉤子函數具有如下形式：hook(module, input, output) -> None，而反向傳播則具有如下形式：hook(module, grad_input, grad_output) -> Tensor or None。

鉤子函數不應修改輸入和輸出，并且在使用后應及時刪除，以避免每次都運行鉤子增加運行負載。鉤子函數主要用在獲取某些中間結果的情景，如中間某一層的輸出或某一層的梯度。這些結果本應寫在forward函數中，但如果在forward函數中專門加上這些處理，可能會使處理邏輯比較復雜，這時候使用鉤子技術就更合適一些。

下面考慮一種場景，有一個預訓練好的模型，需要提取模型的某一層（不是最后一層）的輸出作為特征進行分類，但又不希望修改其原有的模型定義文件，這時就可以利用鉤子函數。

下面給出實現的偽代碼：

model = VGG()
features = t.Tensor()
def hook(module, input, output):'''把這層的輸出拷貝到features中'''features.copy_(output.data)handle = model.layer8.register_forward_hook(hook)
_ = model(input)
# 用完hook后刪除
handle.remove()

7）__getattr__ / __setattr__nn.Module對象在構造函數中的行為看起來有些怪異，如果想要真正掌握其原理，就需要看兩個魔法方法__getattr__和__setattr__。

在Python中有兩個常用的buildin方法getattr和setattr，getattr(obj, 'attr1')等價于obj.attr，如果getattr函數無法找到所需屬性，Python會轉而調用obj.__getattr__('attr1')方法，即getattr函數無法找到的交給__getattr__函數處理，沒有實現__getattr__或者__getattr__也無法處理的就會raise AttributeError。

setattr(obj, 'name', value)等價于obj.name=value，如果obj對象實現了__setattr__方法，setattr會直接調用obj.__setattr__('name', value)，否則調用buildin方法。

總結一下：

result = obj.name會調用buildin函數getattr(obj, 'name')，如果該屬性找不到，會調用obj.__getattr__('name')
obj.name = value會調用buildin函數setattr(obj, 'name', value)，如果obj對象實現了__setattr__方法，setattr會直接調用obj.__setattr__('name', value')

nn.Module實現了自定義的__setattr__函數，當執行module.name=value時，會在__setattr__中判斷value是否為Parameter或nn.Module對象，如果是則將這些對象加到_parameters和_modules兩個字典中，而如果是其它類型的對象，如Variable、list、dict等，則調用默認的操作，將這個值保存在__dict__中。

1》

module = nn.Module() #直接使用nn.Module()對象
module.param = nn.Parameter(t.ones(2,2)) #設置參數
module._parameters

OrderedDict([('param', Parameter containing:tensor([[1., 1.],[1., 1.]], requires_grad=True))])

2》

submodule1 = nn.Linear(2,2)
submodule2 = nn.Linear(2,2)
module_list = [submodule1, submodule2]
#對于list對象，調用buildin函數，保存在__dict__中
module.submodules = module_list #設置module，因為這里使用的是list，所以會存放在__dict__
print('_modules:', module._modules)
print("__dict__['submodules']:", module.__dict__.get('submodules'))

_modules: OrderedDict()
__dict__['submodules']: [Linear(in_features=2, out_features=2, bias=True), Linear(in_features=2, out_features=2, bias=True)]

3》

module_list = nn.ModuleList(module_list)#將上面的list類型轉成nn.Module對象類型
module.submodules = module_list
#判斷是否為nn.Module對象類型
print('ModuleList is instance of nn.Module: ', isinstance(module_list, nn.Module))
print('_modules: ', module._modules) #這樣值就會存儲在這里，而不是__dict__
print("__dict__['submodules']:", module.__dict__.get('submodules'))

ModuleList is instance of nn.Module:  True
_modules:  OrderedDict([('submodules', ModuleList((0): Linear(in_features=2, out_features=2, bias=True)(1): Linear(in_features=2, out_features=2, bias=True)
))])
__dict__['submodules']: None

4》

因_modules和_parameters中的item未保存在__dict__中，所以默認的getattr方法無法獲取它，因而nn.Module實現了自定義的__getattr__方法，如果默認的getattr無法處理，就調用自定義的__getattr__方法，嘗試從_modules、_parameters和_buffers這三個字典中獲取。

getattr(module, 'training')#等價于module.training
#如果沒有得到值，就會調用module.__getattr__('training')

True

module.attr1 = 2
getattr(module, 'attr1') #返回2

getattr(module, 'param')

Parameter containing:
tensor([[1., 1.],[1., 1.]], requires_grad=True)

8）state_dict()/load_state_dict()

在PyTorch中保存模型十分簡單，所有的Module對象都具有state_dict()函數，返回當前Module所有的狀態數據。將這些狀態數據保存后，下次使用模型時即可利用model.load_state_dict()函數將狀態加載進來。優化器（optimizer）也有類似的機制，不過一般并不需要保存優化器的運行狀態

#保存模型
t.save(net.state_dict(), 'net.pth') #然后就會在本地文件夾中生成一個net.pth文件#加載已經保存的模型
net2 = Net()
net2.load_state_dict(t.load('net.pth'))

9）運行在GPU

將Module放在GPU上運行也十分簡單，只需兩步：

model = model.cuda()：將模型的所有參數轉存到GPU
input.cuda()：將輸入數據也放置到GPU上

至于如何在多個GPU上并行計算，PyTorch也提供了兩個函數，可實現簡單高效的并行GPU計算

nn.parallel.data_parallel(module, inputs, device_ids=None, output_device=None, dim=0, module_kwargs=None)
class torch.nn.DataParallel(module, device_ids=None, output_device=None, dim=0)

可見二者的參數十分相似，通過device_ids參數可以指定在哪些GPU上進行優化，output_device指定輸出到哪個GPU上。

唯一的不同就在于前者直接利用多GPU并行計算得出結果，而后者則返回一個新的module，能夠自動在多GPU上進行并行加速。

# method 1
new_net = nn.DataParallel(net, device_ids=[0, 1])
output = new_net(input)# method 2
output = nn.parallel.data_parallel(new_net, input, device_ids=[0, 1])

DataParallel并行的方式，是將輸入一個batch的數據均分成多份，分別送到對應的GPU進行計算，各個GPU得到的梯度累加。與Module相關的所有數據也都會以淺復制的方式復制多份，在此需要注意，在module中屬性應該是只讀的。

6.nn和autograd的關系

nn.Module利用的也是autograd技術，其主要工作是實現前向傳播。在forward函數中，nn.Module對輸入的tensor進行的各種操作，本質上都是用到了autograd技術。這里需要對比autograd.Function和nn.Module之間的區別：

autograd.Function利用了Tensor對autograd技術的擴展，為autograd實現了新的運算op，不僅要實現前向傳播還要手動實現反向傳播
nn.Module利用了autograd技術，對nn的功能進行擴展，實現了深度學習中更多的層。只需實現前向傳播功能，autograd即會自動實現反向傳播
nn.functional是一些autograd操作的集合，是經過封裝的函數

作為兩大類擴充PyTorch接口的方法，我們在實際使用中應該如何選擇呢？

如果某一個操作，在autograd中尚未支持，那么只能實現Function接口對應的前向傳播和反向傳播。如果某些時候利用autograd接口比較復雜，則可以利用Function將多個操作聚合，實現優化，正如第三章所實現的Sigmoid一樣，比直接利用autograd低級別的操作要快。而如果只是想在深度學習中增加某一層，使用nn.Module進行封裝則更為簡單高效。

7.小試牛刀：搭建ResNet

Kaiming He的深度殘差網絡（ResNet）[^7]在深度學習的發展中起到了很重要的作用，ResNet不僅一舉拿下了當年CV下多個比賽項目的冠軍，更重要的是這一結構解決了訓練極深網絡時的梯度消失問題。

首先來看看ResNet的網絡結構，這里選取的是ResNet的一個變種：ResNet34。

ResNet的網絡結構如圖4-2所示，可見除了最開始的卷積池化和最后的池化全連接之外，網絡中有很多結構相似的單元，這些重復單元的共同點就是有個跨層直連的shortcut。ResNet中將一個跨層直連的單元稱為Residual block，其結構如圖4-3所示，左邊部分是普通的卷積網絡結構，右邊是直連，但如果輸入和輸出的通道數不一致，或其步長不為1，那么就需要有一個專門的單元將二者轉成一致，使其可以相加。

另外我們可以發現Residual block的大小也是有規律的，在最開始的pool之后有連續的幾個一模一樣的Residual block單元，這些單元的通道數一樣，在這里我們將這幾個擁有多個Residual block單元的結構稱之為layer，注意和之前講的layer區分開來，這里的layer是幾個層的集合。

考慮到Residual block和layer出現了多次，我們可以把它們實現為一個子Module或函數。這里我們將Residual block實現為一個子moduke，而將layer實現為一個函數。下面是實現代碼，規律總結如下：

對于模型中的重復部分，實現為子module或用函數生成相應的module make_layer
nn.Module和nn.Functional結合使用
盡量使用nn.Seqential

圖4-2: ResNet34網絡結構圖4-3: Residual block 結構圖

[^7]: He K, Zhang X, Ren S, et al. Deep residual learning for image recognition[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2016: 770-778.

from torch import nn
import torch as t
from torch.nn import functional as F

定義網絡：

class ResidualBlock(nn.Module):'''
    實現子module: Residual Block'''
    def __init__(self, inchannel, outchannel, stride=1, shortcut=None):super(ResidualBlock, self).__init__()self.left = nn.Sequential(nn.Conv2d(inchannel,outchannel,3,stride, 1,bias=False),nn.BatchNorm2d(outchannel),nn.ReLU(inplace=True),nn.Conv2d(outchannel,outchannel,3,1,1,bias=False),nn.BatchNorm2d(outchannel) )self.right = shortcutdef forward(self, x):out = self.left(x)residual = x if self.right is None else self.right(x)out += residualreturn F.relu(out)class ResNet(nn.Module):'''
    實現主module：ResNet34ResNet34 包含多個layer，每個layer又包含多個residual block用子module來實現residual block，用_make_layer函數來實現layer'''
    def __init__(self, num_classes=1000):super(ResNet, self).__init__()# 前幾層圖像轉換self.pre = nn.Sequential(nn.Conv2d(3, 64, 7, 2, 3, bias=False),nn.BatchNorm2d(64),nn.ReLU(inplace=True),nn.MaxPool2d(3, 2, 1))# 重復的layer，分別有3，4，6，3個residual blockself.layer1 = self._make_layer( 64, 64, 3)self.layer2 = self._make_layer( 64, 128, 4, stride=2)self.layer3 = self._make_layer( 128, 256, 6, stride=2)self.layer4 = self._make_layer( 256, 512, 3, stride=2)#分類用的全連接self.fc = nn.Linear(512, num_classes)def _make_layer(self,  inchannel, outchannel, block_num, stride=1):'''
        構建layer,包含多個residual block'''
        shortcut = nn.Sequential(nn.Conv2d(inchannel,outchannel,1,stride, bias=False),nn.BatchNorm2d(outchannel))layers = []layers.append(ResidualBlock(inchannel, outchannel, stride, shortcut))for i in range(1, block_num):layers.append(ResidualBlock(outchannel, outchannel))return nn.Sequential(*layers)def forward(self, x):x = self.pre(x)x = self.layer1(x)x = self.layer2(x)x = self.layer3(x)x = self.layer4(x)x = F.avg_pool2d(x, 7)x = x.view(x.size(0), -1)return self.fc(x)

調用：

model = ResNet()
input  = t.randn(1, 3, 224, 224)
o = model(input)

感興趣的讀者可以嘗試實現Google的Inception網絡結構或ResNet的其它變體，看看如何能夠簡潔明了地實現它，實現代碼盡量控制在80行以內（本例去掉空行和注釋總共不超過50行）。

另外，與PyTorch配套的圖像工具包torchvision已經實現了深度學習中大多數經典的模型，其中就包括ResNet34，讀者可以通過下面兩行代碼使用：

from torchvision import models
model = models.resnet34()

本例中ResNet34的實現就是參考了torchvision中的實現并做了簡化，感興趣的讀者可以閱讀相應的源碼，比較這里的實現和torchvision中實現的不同。

轉載于:https://www.cnblogs.com/wanghui-garcia/p/10633458.html