為什么在 tensorflow 2 中使用 tf.GradientTape 進行訓練與使用 fit API 進行訓練有不同的行為？

Question

我是使用 tensorflow 2 的新手

我熟悉在tensorflow 1中使用keras 。我通常使用fit方法API來訓練模型。 但最近在 tensorflow 2 中，他們引入了eager execution 。 所以我在fit和tf.GradientTape上的 CiFAR-10 數據集上實現並比較了一個簡單的圖像分類器，並tf.GradientTape訓練了 20 個時期

經過多次運行，結果如下

• 使用fit API 訓練的模型
  • 訓練數據集，損失約為 0.61-0.65，准確率為 76% - 80%
  • 驗證數據集，損失約為 0.8，准確率為 72% - 75%
• 使用tf.GradientTape訓練的模型
  • 訓練數據集，損失在 0.15-0.2 左右，准確率為 91% - 94%
  • 驗證數據集，損失約為 1.8-2，准確率為 64% - 67%

我不確定為什么模型表現出不同的行為。 我想我可能會實施錯誤。 我認為在tf.GradientTape中模型開始更快地過度擬合訓練數據集很奇怪

這是一些片段

1. 使用fit API

model = SimpleClassifier(10)
model.compile(
    optimizer=Adam(),
    loss=tf.keras.losses.CategoricalCrossentropy(),
    metrics=[tf.keras.metrics.CategoricalAccuracy()]
)
model.fit(X[:split_idx, :, :, :], y[:split_idx, :], batch_size=256, epochs=20, validation_data=(X[split_idx:, :, :, :], y[split_idx:, :]))

2. 使用tf.GradientTape

with tf.GradientTape() as tape:
    y_pred = model(tf.stop_gradient(train_X))
    loss = loss_fn(train_y, y_pred)
    gradients = tape.gradient(loss, model.trainable_weights)
model.optimizer.apply_gradients(zip(gradients, model.trainable_weights))

完整代碼可以在 Colab 中找到

參考

• https://www.tensorflow.org/guide/effective_tf2
• https://www.tensorflow.org/api_docs/python/tf/GradientTape?version=stable

Answer 1

tf.GradientTape代碼中可能修復的內容很少：
1) trainable_variables不是trainable_weights 。 您想對所有可訓練變量應用梯度，而不僅僅是模型權重

# gradients = tape.gradient(loss, model.trainable_weights)
gradients = tape.gradient(loss, model.trainable_variables)

# and

# model.optimizer.apply_gradients(zip(gradients, model.trainable_weights))
model.optimizer.apply_gradients(zip(gradients, model.trainable_variables))

2) 從輸入張量中移除tf.stop_gradient 。

with tf.GradientTape() as tape:
#    y_pred = model(tf.stop_gradient(train_X))
    y_pred = model(train_X, training=True)

請注意，我還添加了訓練參數。 它還應該包含在模型定義中，以包含依賴於phase的層（如 BatchNormalization 和 Dropout）：

    def call(self, X, training=None):
        X = self.cnn_1(X)
        X = self.bn_1(X, training=training)
        X = self.cnn_2(X)
        X = self.max_pool_2d(X)
        X = self.dropout_1(X)

        X = self.cnn_3(X)
        X = self.bn_2(X, training=training)
        X = self.cnn_4(X)
        X = self.bn_3(X, training=training)
        X = self.cnn_5(X)
        X = self.max_pool_2d(X)
        X = self.dropout_2(X)

        X = self.flatten(X)
        X = self.dense_1(X)
        X = self.dropout_3(X, training=training)
        X = self.dense_2(X)
        return self.out(X)

通過這幾個更改，我設法獲得了稍微好一點的分數，這與keras.fit結果更具有可比性：

[19/20] loss: 0.64020, acc: 0.76965, val_loss: 0.71291, val_acc: 0.75318: 100%|██████████| 137/137 [00:12<00:00, 11.25it/s]
[20/20] loss: 0.62999, acc: 0.77649, val_loss: 0.77925, val_acc: 0.73219: 100%|██████████| 137/137 [00:12<00:00, 11.30it/s]

答案：不同之處可能在於Keras.fit在Keras.fit做了大部分這些事情。

最后，為了清晰和可重復性，我使用的部分訓練/評估代碼：

for bIdx, (train_X, train_y) in enumerate(train_batch):
            if bIdx < epoch_max_iter:
                with tf.GradientTape() as tape:
                    y_pred = model(train_X, training=True)
                    loss = loss_fn(train_y, y_pred)
                    total_loss += (np.sum(loss.numpy()) * train_X.shape[0])
                    total_num += train_X.shape[0]
                    # gradients = tape.gradient(loss, model.trainable_weights)
                    gradients = tape.gradient(loss, model.trainable_variables)
                total_acc += (metrics(train_y, y_pred) * train_X.shape[0])

                running_loss = (total_loss/total_num)
                running_acc = (total_acc/total_num)
                # model.optimizer.apply_gradients(zip(gradients, model.trainable_weights))
                model.optimizer.apply_gradients(zip(gradients, model.trainable_variables))

                pbar.set_description("[{}/{}] loss: {:.5f}, acc: {:.5f}".format(e, epochs, running_loss, running_acc))
                pbar.refresh()
                pbar.update()

和評估一：

# Eval loop
        # Calculate something wrong here
        val_total_loss = 0
        val_total_acc = 0
        total_val_num = 0
        for bIdx, (val_X, val_y) in enumerate(val_batch):
            if bIdx >= max_val_iterations:
                break
            y_pred = model(val_X, training=False)