Каков обратный процесс максимальной операции в глубоком обучении? - PullRequest
Новая
       31

Каков обратный процесс максимальной операции в глубоком обучении?

0 голосов
/ 29 ноября 2018

Я знаю, что обратный процесс глубокого обучения следует алгоритму градиентного спуска.Тем не менее, для операции max не существует концепции градиента.

Каким образом фреймворки глубокого обучения, такие как tenorflow, pytorch, имеют дело с обратной операцией 'max', такой как maxpooling?

1 Ответ

0 голосов
/ 29 ноября 2018

Вы должны подумать о том, что на самом деле делает оператор max?То есть:

  • Возвращает или, лучше сказать, распространяет максимум.

И это именно то, что здесь происходит - требуется два илибольше тензоров и распространяется вперед (только) максимум.

Часто полезно взглянуть на короткий пример: 

t1 = torch.rand(10, requires_grad=True)
t2 = torch.rand(10, requires_grad=True)


s1 = torch.sum(t1)
s2 = torch.sum(t2)
print('sum t1:', s1, 'sum t2:', s2)
m = torch.max(s1, s2)
print('max:', m, 'requires_grad:', m.requires_grad)
m.backward()
print('t1 gradients:', t1.grad)
print('t2 gradients:', t2.grad)

Этот код создает два случайныхТензор суммирует их и помещает их через функцию max.Затем на результат вызывается backward().

Давайте рассмотрим два возможных результата:

  • Результат 1 - сумма t1 больше: 

    sum t1: tensor(5.6345) sum t2: tensor(4.3965)
max: tensor(5.6345) requires_grad: True
t1 gradients: tensor([ 1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.])
t2 gradients: tensor([ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.])

  • Результат 2 - сумма t2 больше: 

    sum t1: tensor(3.3263) sum t2: tensor(4.0517)
max: tensor(4.0517) requires_grad: True
t1 gradients: tensor([ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.])
t2 gradients: tensor([ 1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.])

Как и следовало ожидать в случае s1представляет максимальные градиенты будут рассчитаны для t1.Аналогично, когда s2 - максимальные градиенты будут рассчитаны для t2.

  • Так же, как и на шаге вперед, обратное распространение распространяется назад через максимум.

Стоит отметить, чтодругие тензоры , которые не представляют максимум , все еще являются частью графика .Только градиенты устанавливаются на ноль.Если они не будут частью графика, вы получите None в качестве градиента вместо нулевого вектора.

Вы можете проверить, что произойдет, если вы используете python- max вместо torch.max:

t1 = torch.rand(10, requires_grad=True)
t2 = torch.rand(10, requires_grad=True)


s1 = torch.sum(t1)
s2 = torch.sum(t2)
print('sum t1:', s1, 'sum t2:', s2)
m = max(s1, s2)
print('max:', m, 'requires_grad:', m.requires_grad)
m.backward()
print('t1 gradients:', t1.grad)
print('t2 gradients:', t2.grad)

Выход: 

sum t1: tensor(4.7661) sum t2: tensor(4.4166)
max: tensor(4.7661) requires_grad: True
t1 gradients: tensor([ 1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.])
t2 gradients: None
...