我正在使用一个对内存要求很高的CNN模型来完成分类任务。 这对我在训练期间可以使用的批量大小构成了很大的限制。
一种解决方案是在训练过程中累积梯度，这意味着在每批次后都不会更新模型的权重。取而代之的是，相同的权重用于几个批次，而每个批次的梯度都是累加的，而不是对单个权重更新操作求平均值。
我正在使用Tensorflow后端Keras，并且我很确定Keras没有现成的功能/方法来实现这一目标。
如何对Keras / tensorflow模型进行处理？
答案 0 :(得分：7)
我们发布了一个开源工具，可在Run:AI实施的Keras模型中自动添加梯度累积支持，以帮助解决批量问题。
在我们的模型中使用梯度累积使我们能够使用大批量，而受到GPU内存的限制。它特别允许我们仅使用单个GPU来运行具有大批量的神经网络。
可以在https://github.com/run-ai/runai/tree/master/runai/ga上找到该项目，以及可以直接使用的说明和示例。
使用此工具，您要做的就是在Python脚本中添加一行代码，然后就可以在优化器中添加渐变累积支持。
Python软件包可从PyPI获得，并可使用以下命令安装：pip install runai。
向Keras模型添加梯度累积支持非常容易。首先，将包导入到您的代码中：import runai.ga。然后，您必须创建一个梯度累积优化器。有两种方法可以做到：
1。包装现有的Keras优化器
您可以使用任何Keras优化器-无论是内置优化器（SGD，Adam等...）还是带有算法实现的自定义优化器-并在下一行添加渐变累积支持：
optimizer = runai.ga.keras.optimizers.Optimizer(optimizer, steps=STEPS)
optimizer是您的优化器，而STEPS是您要累积梯度的步数。
2。创建任何内置优化器的渐变累积版本
软件包中提供了所有内置优化器（SGD，Adam等）的渐变累积版本。可以使用以下行创建它们：
optimizer = runai.ga.keras.optimizers.Adam(steps=STEPS)
在这里，我们创建了Adam优化程序的渐变累积版本，并在STEPS个步骤中累积了渐变。
更多信息，说明和示例，请参见GitHub。
除了开源工具本身之外，我们还发布了三篇有关“走向数据科学”（中）的文章，其中我们解释了使用大批量时的问题，什么是梯度累积以及它如何帮助解决这些问题，其运作方式以及我们的实施方式。这里是文章的链接：
让我们知道该工具是否有助于您在自己的Keras模型中使用梯度累积。 在您在自己的模型中使用它时遇到的问题，我们将为您提供任何支持和帮助。
答案 1 :(得分：2)
主要思想是使用一个标志来确定是否在每个批次中更新重量。
以下实现基于“ alexeydevederkin”的this github post，它是累积的Adam优化器：
import keras.backend as K
from keras.legacy import interfaces
from keras.optimizers import Optimizer
class AdamAccumulate(Optimizer):
def __init__(self, lr=0.001, beta_1=0.9, beta_2=0.999,
epsilon=None, decay=0., amsgrad=False, accum_iters=1, **kwargs):
if accum_iters < 1:
raise ValueError('accum_iters must be >= 1')
super(AdamAccumulate, self).__init__(**kwargs)
with K.name_scope(self.__class__.__name__):
self.iterations = K.variable(0, dtype='int64', name='iterations')
self.lr = K.variable(lr, name='lr')
self.beta_1 = K.variable(beta_1, name='beta_1')
self.beta_2 = K.variable(beta_2, name='beta_2')
self.decay = K.variable(decay, name='decay')
if epsilon is None:
epsilon = K.epsilon()
self.epsilon = epsilon
self.initial_decay = decay
self.amsgrad = amsgrad
self.accum_iters = K.variable(accum_iters, K.dtype(self.iterations))
self.accum_iters_float = K.cast(self.accum_iters, K.floatx())
@interfaces.legacy_get_updates_support
def get_updates(self, loss, params):
grads = self.get_gradients(loss, params)
self.updates = [K.update_add(self.iterations, 1)]
lr = self.lr
completed_updates = K.cast(K.tf.floordiv(self.iterations, self.accum_iters), K.floatx())
if self.initial_decay > 0:
lr = lr * (1. / (1. + self.decay * completed_updates))
t = completed_updates + 1
lr_t = lr * (K.sqrt(1. - K.pow(self.beta_2, t)) / (1. - K.pow(self.beta_1, t)))
# self.iterations incremented after processing a batch
# batch: 1 2 3 4 5 6 7 8 9
# self.iterations: 0 1 2 3 4 5 6 7 8
# update_switch = 1: x x (if accum_iters=4)
update_switch = K.equal((self.iterations + 1) % self.accum_iters, 0)
update_switch = K.cast(update_switch, K.floatx())
ms = [K.zeros(K.int_shape(p), dtype=K.dtype(p)) for p in params]
vs = [K.zeros(K.int_shape(p), dtype=K.dtype(p)) for p in params]
gs = [K.zeros(K.int_shape(p), dtype=K.dtype(p)) for p in params]
if self.amsgrad:
vhats = [K.zeros(K.int_shape(p), dtype=K.dtype(p)) for p in params]
else:
vhats = [K.zeros(1) for _ in params]
self.weights = [self.iterations] + ms + vs + vhats
for p, g, m, v, vhat, tg in zip(params, grads, ms, vs, vhats, gs):
sum_grad = tg + g
avg_grad = sum_grad / self.accum_iters_float
m_t = (self.beta_1 * m) + (1. - self.beta_1) * avg_grad
v_t = (self.beta_2 * v) + (1. - self.beta_2) * K.square(avg_grad)
if self.amsgrad:
vhat_t = K.maximum(vhat, v_t)
p_t = p - lr_t * m_t / (K.sqrt(vhat_t) + self.epsilon)
self.updates.append(K.update(vhat, (1 - update_switch) * vhat + update_switch * vhat_t))
else:
p_t = p - lr_t * m_t / (K.sqrt(v_t) + self.epsilon)
self.updates.append(K.update(m, (1 - update_switch) * m + update_switch * m_t))
self.updates.append(K.update(v, (1 - update_switch) * v + update_switch * v_t))
self.updates.append(K.update(tg, (1 - update_switch) * sum_grad))
new_p = p_t
# Apply constraints.
if getattr(p, 'constraint', None) is not None:
new_p = p.constraint(new_p)
self.updates.append(K.update(p, (1 - update_switch) * p + update_switch * new_p))
return self.updates
def get_config(self):
config = {'lr': float(K.get_value(self.lr)),
'beta_1': float(K.get_value(self.beta_1)),
'beta_2': float(K.get_value(self.beta_2)),
'decay': float(K.get_value(self.decay)),
'epsilon': self.epsilon,
'amsgrad': self.amsgrad}
base_config = super(AdamAccumulate, self).get_config()
return dict(list(base_config.items()) + list(config.items()))
它可以通过以下方式使用：
opt = AdamAccumulate(lr=0.001, decay=1e-5, accum_iters=5)
model.compile( loss='categorical_crossentropy', # Loss function
optimizer=opt, # Optimization technique
metrics=['accuracy']) # Accuracy matrix
model.fit(X_train, y_train, batch_size = 10)
在此示例中，模型在每次迭代中处理10个样本（“ batch_size”），但仅在累积5个此类批次（“ accum_iters”）之后才进行权重更新。因此，用于更新重量的实际批量大小为50。
答案 2 :(得分：1)
一种更方便的方法是将一些更改注入到现有的优化器中。
class AccumOptimizer(Optimizer):
"""Inheriting Optimizer class, wrapping the original optimizer
to achieve a new corresponding optimizer of gradient accumulation.
# Arguments
optimizer: an instance of keras optimizer (supporting
all keras optimizers currently available);
steps_per_update: the steps of gradient accumulation
# Returns
a new keras optimizer.
"""
def __init__(self, optimizer, steps_per_update=1, **kwargs):
super(AccumOptimizer, self).__init__(**kwargs)
self.optimizer = optimizer
with K.name_scope(self.__class__.__name__):
self.steps_per_update = steps_per_update
self.iterations = K.variable(0, dtype='int64', name='iterations')
self.cond = K.equal(self.iterations % self.steps_per_update, 0)
self.lr = self.optimizer.lr
self.optimizer.lr = K.switch(self.cond, self.optimizer.lr, 0.)
for attr in ['momentum', 'rho', 'beta_1', 'beta_2']:
if hasattr(self.optimizer, attr):
value = getattr(self.optimizer, attr)
setattr(self, attr, value)
setattr(self.optimizer, attr, K.switch(self.cond, value, 1 - 1e-7))
for attr in self.optimizer.get_config():
if not hasattr(self, attr):
value = getattr(self.optimizer, attr)
setattr(self, attr, value)
# Cover the original get_gradients method with accumulative gradients.
def get_gradients(loss, params):
return [ag / self.steps_per_update for ag in self.accum_grads]
self.optimizer.get_gradients = get_gradients
def get_updates(self, loss, params):
self.updates = [
K.update_add(self.iterations, 1),
K.update_add(self.optimizer.iterations, K.cast(self.cond, 'int64')),
]
# gradient accumulation
self.accum_grads = [K.zeros(K.int_shape(p), dtype=K.dtype(p)) for p in params]
grads = self.get_gradients(loss, params)
for g, ag in zip(grads, self.accum_grads):
self.updates.append(K.update(ag, K.switch(self.cond, ag * 0, ag + g)))
# inheriting updates of original optimizer
self.updates.extend(self.optimizer.get_updates(loss, params)[1:])
self.weights.extend(self.optimizer.weights)
return self.updates
def get_config(self):
iterations = K.eval(self.iterations)
K.set_value(self.iterations, 0)
config = self.optimizer.get_config()
K.set_value(self.iterations, iterations)
return config
用法：
opt = AccumOptimizer(Adam(), 10) # 10 is accumulative steps
model.compile(loss='mse', optimizer=opt)
model.fit(x_train, y_train, epochs=10, batch_size=10)