使用 jax,我尝试计算每个样本的梯度,对其进行处理,然后将它们采用标准形式来计算标准参数更新。 我的工作代码看起来像
differentiate_per_sample = jit(vmap(grad(loss), in_axes=(None, 0, 0)))
gradients = differentiate_per_sample(params, x, y)
# some code
gradients_summed_over_samples = []
for layer in gradients:
(dw, db) = layer
(dw, db) = (np.sum(dw, axis=0), np.sum(db, axis=0))
gradients_summed_over_samples.append((dw, db))
其中 gradients
的形式为 list(tuple(DeviceArray(...), DeviceArray(...)), ...)
。
现在我尝试将循环重写为vmap(不确定它最终是否会带来加速)
def sum_samples(layer):
(dw, db) = layer
(dw, db) = (np.sum(dw, axis=0), np.sum(db, axis=0))
vmap(sum_samples)(gradients)
但是 sum_samples
仅调用一次,而不是针对列表中的每个元素。
是列表有问题还是我理解有其他错误?
最佳答案
jax.vmap
将仅映射到 jax 数组输入,而不是数组或元组列表的输入。此外,vmapped 函数无法就地修改输入;函数应该返回一个值,并且该返回值将与其他返回值堆叠以构造输出
例如,您可以修改您定义的函数并按如下方式使用它:
import jax.numpy as np
from jax import random
def sum_samples(layer):
(dw, db) = layer
(dw, db) = (np.sum(dw, axis=0), np.sum(db, axis=0))
return np.array([dw, db])
key = random.PRNGKey(1701)
data = random.uniform(key, (10, 2, 20))
result = vmap(sum_samples)(data)
print(result.shape)
# (10, 2)
旁注:如果您使用这种方法,上面的 vmapped 函数可以更简洁地表示为:
def sum_samples(layer):
return layer.sum(1)
关于python - vmap 遍历 jax 中的列表,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/61786831/