[[208061]]

在開(kāi)始之前，首先看一下最終成型的代碼：

1. 分支與特征后端(https://github.com/OneRaynyDay/autodiff/tree/eigen)

2. 僅支持標(biāo)量的分支(https://github.com/OneRaynyDay/autodiff/tree/master)

這個(gè)項(xiàng)目是我與 Minh Le 一起完成的。

為什么?

如果你修習(xí)的是計(jì)算機(jī)科學(xué)(CS)的人的話，你可能聽(tīng)說(shuō)過(guò)這個(gè)短語(yǔ)「不要自己動(dòng)手____」幾千次了。它包含了加密、標(biāo)準(zhǔn)庫(kù)、解析器等等。我想到現(xiàn)在為止，它也應(yīng)該包含了機(jī)器學(xué)習(xí)庫(kù)(ML library)。

不管現(xiàn)實(shí)是怎么樣的，這個(gè)震撼的課程都值得我們?nèi)W(xué)習(xí)。人們現(xiàn)在把 TensorFlow 和類似的庫(kù)當(dāng)作理所當(dāng)然了。他們把它看作黑盒子并讓它運(yùn)行起來(lái)，但是并沒(méi)有多少人知道在這背后的運(yùn)行原理。這只是一個(gè)非凸(Non-convex)的優(yōu)化問(wèn)題!請(qǐng)停止對(duì)代碼無(wú)意義的胡搞——僅僅只是為了讓代碼看上去像是正確的。

TensorFlow

在 TensorFlow 的代碼里，有一個(gè)重要的組件，允許你將計(jì)算串在一起，形成一個(gè)稱為「計(jì)算圖」的東西。這個(gè)計(jì)算圖是一個(gè)有向圖 G=(V,E)，其中在某些節(jié)點(diǎn)處 u1,u2,…,un,v∈V，和 e1,e2,…,en∈E，ei=(ui,v)。我們知道，存在某種計(jì)算圖將 u1,…,un 映射到 vv。

舉個(gè)例子，如果我們有 x + y = z，那么 (x,z)，(y,z)∈E。

這對(duì)于評(píng)估算術(shù)表達(dá)式非常有用，我們能夠在計(jì)算圖的匯點(diǎn)下找到結(jié)果。匯點(diǎn)是類似 v∈V，∄e=(v,u) 這樣的頂點(diǎn)。從另一方面來(lái)說(shuō)，這些頂點(diǎn)從自身到其他頂點(diǎn)并沒(méi)有定向邊界。同樣的，輸入源是 v∈V，∄e=(u,v)。

對(duì)于我們來(lái)說(shuō)，我們總是把值放在輸入源上，而值也將傳播到匯點(diǎn)上。

反向模式求微分

如果你覺(jué)得我的解釋不正確，可以參考下這些幻燈片的說(shuō)明。

微分是 Tensorflow 中許多模型的核心需求，因?yàn)槲覀冃枰鼇?lái)運(yùn)行梯度下降。每一個(gè)從高中畢業(yè)的人都應(yīng)該知道微分的意思。如果是基于基礎(chǔ)函數(shù)組成的復(fù)雜函數(shù)，則只需要求出函數(shù)的導(dǎo)數(shù)，然后應(yīng)用鏈?zhǔn)椒▌t。

超級(jí)簡(jiǎn)潔的概述

如果我們有一個(gè)像這樣的函數(shù)：

對(duì) x 求導(dǎo)：

對(duì) y 求導(dǎo)：

其它的例子： 

其導(dǎo)數(shù)是：

所以其梯度是：

鏈?zhǔn)椒▌t，例如應(yīng)用于 f(g(h(x)))：

在 5 分鐘內(nèi)倒轉(zhuǎn)模式

所以現(xiàn)在請(qǐng)記住我們運(yùn)行計(jì)算圖時(shí)用的是有向無(wú)環(huán)結(jié)構(gòu)(DAG/Directed Acyclic Graph)，還有上一個(gè)例子用到的鏈?zhǔn)椒▌t。正如下方所示的形式：

x -> h -> g -> f 

作為一個(gè)圖，我們能夠在 f 獲得答案，然而，也可以反過(guò)來(lái)：

dx <- dh <- dg <- df 

這樣它看起來(lái)就像鏈?zhǔn)椒▌t了!我們需要沿著路徑把導(dǎo)數(shù)相乘以得到最終的結(jié)果。這是一個(gè)計(jì)算圖的例子：

這就將其簡(jiǎn)化為一個(gè)圖的遍歷問(wèn)題。有誰(shuí)察覺(jué)到了這就是拓?fù)渑判蚝蜕疃葍?yōu)先搜索/寬度優(yōu)先搜索?

沒(méi)錯(cuò)，為了在兩種路徑都支持拓?fù)渑判?，我們需要包含一套父組一套子組，而匯點(diǎn)是另一個(gè)方向的來(lái)源。反之亦然。

執(zhí)行

在開(kāi)學(xué)前，Minh Le 和我開(kāi)始設(shè)計(jì)這個(gè)項(xiàng)目。我們決定使用特征庫(kù)后端(Eigen library backend)進(jìn)行線性代數(shù)運(yùn)算，這個(gè)庫(kù)有一個(gè)叫做 MatrixXd 的矩陣類，用在我們的項(xiàng)目中：

class var {// Forward declarationstruct impl;public: 
    // For initialization of new vars by ptr    var(std::shared_ptr<impl>); 
 
    var(double); 
    var(const MatrixXd&); 
    var(op_type, const std::vector<var>&);     
    ... 
     
    // Access/Modify the current node value    MatrixXd getValue() const; 
    void setValue(const MatrixXd&); 
    op_type getOp() const; 
    void setOp(op_type); 
     
    // Access internals (no modify)    std::vector<var>& getChildren() const; 
    std::vector<var> getParents() const; 
    ...private:  
    // PImpl idiom requires forward declaration of the class:    std::shared_ptr<impl> pimpl;};struct var::impl{public: 
    impl(const MatrixXd&); 
    impl(op_type, const std::vector<var>&); 
    MatrixXd val; 
    op_type op;  
    std::vector<var> children; 
    std::vector<std::weak_ptr<impl>> parents;};  

在這里，我們使用了一個(gè)叫「pImpl」的語(yǔ)法，意思是「執(zhí)行的指針」。它有很多用途，比如接口的解耦實(shí)現(xiàn)，以及當(dāng)在堆棧上有一個(gè)本地接口時(shí)實(shí)例化內(nèi)存堆上的東西?！竝Impl」的一些副作用是微弱的減慢運(yùn)行時(shí)間，但是編譯時(shí)間縮短了很多。這允許我們通過(guò)多個(gè)函數(shù)調(diào)用/返回來(lái)保持?jǐn)?shù)據(jù)結(jié)構(gòu)的持久性。像這樣的樹形數(shù)據(jù)結(jié)構(gòu)應(yīng)該是持久的。

我們有一些枚舉來(lái)告訴我們目前正在進(jìn)行哪些操作：

enum class op_type { 
    plus, 
    minus, 
    multiply, 
    divide, 
    exponent, 
    log, 
    polynomial, 
    dot, 
    ... 
    none // no operators. leaf.};  

執(zhí)行此樹的評(píng)估的實(shí)際類稱為 expression：

class expression {public: 
    expression(var); 
    ... 
    // Recursively evaluates the tree.    double propagate(); 
    ... 
    // Computes the derivative for the entire graph.    // Performs a top-down evaluation of the tree.    void backpropagate(std::unordered_map<var, double>& leaves); 
    ...    private: 
    var root;};  

在反向傳播里，我們的代碼能做類似以下所示的事情：

backpropagate(node, dprev): 
    derivative = differentiate(node)*dprev 
    for child in node.children: 
        backpropagate(child, derivative)  

這幾乎就是在做一個(gè)深度優(yōu)先搜索(DFS)，你發(fā)現(xiàn)了嗎?

為什么是 C++?

在實(shí)際過(guò)程中，C++可能并不適合做這類事情。我們可以在像「Oaml」這樣的函數(shù)式語(yǔ)言中花費(fèi)更少的時(shí)間開(kāi)發(fā)。現(xiàn)在我明白為什么「Scala」被用于機(jī)器學(xué)習(xí)中，主要就是因?yàn)椤窼park」。然而，使用 C++有很多好處。

Eigen(庫(kù)名)

舉例來(lái)說(shuō)，我們可以直接使用一個(gè)叫「Eigen」的 TensorFlow 的線性代數(shù)庫(kù)。這是一個(gè)不假思索就被人用爛了的線性代數(shù)庫(kù)。有一種類似于我們的表達(dá)式樹的味道，我們構(gòu)建表達(dá)式，它只會(huì)在我們真正需要的時(shí)候進(jìn)行評(píng)估。然而，使用「Eigen」在編譯的時(shí)間內(nèi)就能決定什么時(shí)候使用模版，這意味著運(yùn)行的時(shí)間減少了。我對(duì)寫出「Eigen」的人抱有很大的敬意，因?yàn)椴榭茨０娴腻e(cuò)誤幾乎讓我眼瞎!

他們的代碼看起來(lái)類似這樣的：

Matrix A(...), B(...); 
auto lazy_multiply = A.dot(B); 
typeid(lazy_multiply).name(); // the class name is something like Dot_Matrix_Matrix. 
Matrix(lazy_multiply); // functional-style casting forces evaluation of this matrix.  

這個(gè)特征庫(kù)非常的強(qiáng)大，這就是它作為 TensortFlow 主要后端之一的原因，即除了這個(gè)慵懶的評(píng)估技術(shù)之外還有其它的優(yōu)化。

運(yùn)算符重載

在 Java 中開(kāi)發(fā)這個(gè)庫(kù)很不錯(cuò)——因?yàn)闆](méi)有 shared_ptrs、unique_ptrs、weak_ptrs;我們得到了一個(gè)真實(shí)的，有用的圖形計(jì)算器(GC=Graphing Calculator)。這大大節(jié)省了開(kāi)發(fā)時(shí)間，更不必說(shuō)更快的執(zhí)行速度。然而，Java 不允許操作符重載，因此它們不能這樣：

// These 3 lines code up an entire neural network! 
var sigm1 = 1 / (1 + exp(-1 * dot(X, w1))); 
var sigm2 = 1 / (1 + exp(-1 * dot(sigm1, w2))); 
var loss = sum(-1 * (y * log(sigm2) + (1-y) * log(1-sigm2)));  

順便說(shuō)一下，上面是實(shí)際使用的代碼。是不是非常的漂亮?我想說(shuō)的是這甚至比 TensorFlow 里的 Python 封裝還更優(yōu)美!我只是想表明，它們也是矩陣。

在 Java 中，有一連串的 add(), divide() 等等是非常難看的。更重要的是，這將讓用戶更多的關(guān)注在「PEMDAS」上，而 C++的操作符則有非常好的表現(xiàn)。

特征，而不是一連串的故障

在這個(gè)庫(kù)中，可以確定的是，TensorFlow 沒(méi)有定義清晰的 API，或者有但我不知道。例如，如果我們只想訓(xùn)練一個(gè)特定子集的權(quán)重，我們可以只對(duì)我們感興趣的特定來(lái)源做反向傳播。這對(duì)于卷積神經(jīng)網(wǎng)絡(luò)的遷移學(xué)習(xí)非常有用，因?yàn)楹芏鄷r(shí)候，像 VGG19 這樣的大型網(wǎng)絡(luò)可以被截?cái)?，然后附加一些額外的層，這些層的權(quán)重使用新領(lǐng)域的樣本來(lái)訓(xùn)練。

基準(zhǔn)

在 Python 的 TensorFlow 庫(kù)中，對(duì)虹膜數(shù)據(jù)集進(jìn)行 10000 個(gè)「Epochs」的訓(xùn)練以進(jìn)行分類，并使用相同的超參數(shù)，我們有：

1. TensorFlow 的神經(jīng)網(wǎng)絡(luò)： 23812.5 ms
2. 「Scikit」的神經(jīng)網(wǎng)絡(luò)：22412.2 ms
3. 「Autodiff」的神經(jīng)網(wǎng)絡(luò)，迭代，優(yōu)化：25397.2 ms
4. 「Autodiff」的神經(jīng)網(wǎng)絡(luò)，迭代，無(wú)優(yōu)化：29052.4 ms
5. 「Autodiff」的神經(jīng)網(wǎng)絡(luò)，帶有遞歸，無(wú)優(yōu)化：28121.5 ms

令人驚訝的是，Scikit 是所有這些中最快的。這可能是因?yàn)槲覀儧](méi)有做龐大的矩陣乘法。也可能是 TensorFlow 需要額外的編譯步驟，如變量初始化等等?；蛘?，也許我們不得不在 python 中運(yùn)行循環(huán)，而不是在 C 中(Python 循環(huán)真的非常糟糕!)我自己也不是很確定。我完全明白這絕不是一種全面的基準(zhǔn)測(cè)試，因?yàn)樗辉谔囟ǖ那闆r下應(yīng)用了單個(gè)數(shù)據(jù)點(diǎn)。然而，這個(gè)庫(kù)的表現(xiàn)并不能代表當(dāng)前***，所以希望各位讀者和我們共同完善。