有状态计算#

JAX 的变换,例如 jit(), vmap(), grad(),要求它们包装的函数是纯函数:也就是说,函数的输出依赖于输入,并且没有副作用,例如更新全局状态。您可以在 JAX 陷阱:纯函数 中找到对此的讨论。

这个约束在机器学习的背景下可能会带来一些挑战,因为状态可能以多种形式存在。例如:

  • 模型参数,

  • 优化器状态,以及

  • 有状态的层,例如 BatchNorm

本节提供了一些关于如何在 JAX 程序中正确处理状态的建议。

一个简单的例子:计数器#

让我们从一个简单的有状态程序开始:一个计数器。

import jax
import jax.numpy as jnp

class Counter:
  """A simple counter."""

  def __init__(self):
    self.n = 0

  def count(self) -> int:
    """Increments the counter and returns the new value."""
    self.n += 1
    return self.n

  def reset(self):
    """Resets the counter to zero."""
    self.n = 0


counter = Counter()

for _ in range(3):
  print(counter.count())
1
2
3

计数器的 n 属性在连续调用 count 之间维护计数器的状态。它是作为调用 count 的副作用而修改的。

假设我们想快速计数,因此我们 JIT 编译 count 方法。(在本例中,由于多种原因,这实际上并不会提高速度,但将其视为 JIT 编译模型参数更新的玩具模型,其中 jit() 产生了巨大的差异)。

counter.reset()
fast_count = jax.jit(counter.count)

for _ in range(3):
  print(fast_count())
1
1
1

哦不!我们的计数器无法正常工作。这是因为这一行

self.n += 1

count 中涉及副作用:它就地修改输入计数器,因此 jit 不支持此函数。此类副作用仅在首次跟踪该函数时执行一次,后续调用不会重复该副作用。那么,我们该如何解决这个问题呢?

解决方案:显式状态#

我们的计数器的问题之一是,返回值不依赖于参数,这意味着一个常量被“烘焙”到编译后的输出中。但它不应该是一个常量——它应该依赖于状态。那么,为什么我们不将状态变成一个参数呢?

CounterState = int

class CounterV2:

  def count(self, n: CounterState) -> tuple[int, CounterState]:
    # You could just return n+1, but here we separate its role as 
    # the output and as the counter state for didactic purposes.
    return n+1, n+1

  def reset(self) -> CounterState:
    return 0

counter = CounterV2()
state = counter.reset()

for _ in range(3):
  value, state = counter.count(state)
  print(value)
1
2
3

在这个新版本的 Counter 中,我们将 n 移动为 count 的参数,并添加了另一个返回值来表示新的、更新的状态。要使用此计数器,我们现在需要显式地跟踪状态。但作为回报,我们现在可以安全地 jax.jit 这个计数器

state = counter.reset()
fast_count = jax.jit(counter.count)

for _ in range(3):
  value, state = fast_count(state)
  print(value)
1
2
3

一种通用策略#

我们可以将相同的过程应用于任何有状态的方法,将其转换为无状态的方法。我们采用以下形式的类:

class StatefulClass

  state: State

  def stateful_method(*args, **kwargs) -> Output:

并将其转换为以下形式的类:

class StatelessClass

  def stateless_method(state: State, *args, **kwargs) -> (Output, State):

这是一种常见的 函数式编程 模式,本质上,是所有 JAX 程序中处理状态的方式。

请注意,一旦我们以这种方式重写它,对类的需求就变得不那么明显了。我们只需保留 stateless_method,因为该类不再执行任何工作。这是因为,就像我们刚刚应用的方法一样,面向对象编程 (OOP) 是一种帮助程序员理解程序状态的方式。

在我们的例子中,CounterV2 类只不过是一个命名空间,将所有使用 CounterState 的函数集中到一个位置。留给读者的练习:您认为将其保留为类是否有意义?

顺便说一下,您已经在 JAX 伪随机性 API,jax.random 中看到了这种策略的示例,如 伪随机数 部分所示。与使用隐式更新的有状态类管理随机状态的 Numpy 不同,JAX 要求程序员直接使用随机生成器状态——PRNG 密钥。

简单的示例:线性回归#

让我们将此策略应用于一个简单的机器学习模型:通过梯度下降进行线性回归。

在这里,我们只处理一种状态:模型参数。但通常,您会看到多种状态在 JAX 函数中来回传递,例如优化器状态、BatchNorm 的层统计信息等。

要仔细查看的函数是 update

from typing import NamedTuple

class Params(NamedTuple):
  weight: jnp.ndarray
  bias: jnp.ndarray


def init(rng) -> Params:
  """Returns the initial model params."""
  weights_key, bias_key = jax.random.split(rng)
  weight = jax.random.normal(weights_key, ())
  bias = jax.random.normal(bias_key, ())
  return Params(weight, bias)


def loss(params: Params, x: jnp.ndarray, y: jnp.ndarray) -> jnp.ndarray:
  """Computes the least squares error of the model's predictions on x against y."""
  pred = params.weight * x + params.bias
  return jnp.mean((pred - y) ** 2)


LEARNING_RATE = 0.005

@jax.jit
def update(params: Params, x: jnp.ndarray, y: jnp.ndarray) -> Params:
  """Performs one SGD update step on params using the given data."""
  grad = jax.grad(loss)(params, x, y)

  # If we were using Adam or another stateful optimizer,
  # we would also do something like
  #
  #   updates, new_optimizer_state = optimizer(grad, optimizer_state)
  # 
  # and then use `updates` instead of `grad` to actually update the params.
  # (And we'd include `new_optimizer_state` in the output, naturally.)

  new_params = jax.tree_map(
      lambda param, g: param - g * LEARNING_RATE, params, grad)

  return new_params

请注意,我们手动将参数传入和传出更新函数。

import matplotlib.pyplot as plt

rng = jax.random.key(42)

# Generate true data from y = w*x + b + noise
true_w, true_b = 2, -1
x_rng, noise_rng = jax.random.split(rng)
xs = jax.random.normal(x_rng, (128, 1))
noise = jax.random.normal(noise_rng, (128, 1)) * 0.5
ys = xs * true_w + true_b + noise

# Fit regression
params = init(rng)
for _ in range(1000):
  params = update(params, xs, ys)

plt.scatter(xs, ys)
plt.plot(xs, params.weight * xs + params.bias, c='red', label='Model Prediction')
plt.legend();
/tmp/ipykernel_2808/721844192.py:37: DeprecationWarning: jax.tree_map is deprecated: use jax.tree.map (jax v0.4.25 or newer) or jax.tree_util.tree_map (any JAX version).
  new_params = jax.tree_map(
_images/e84ae8938e7347c77e584740263882f4331422be79c00e90c4f90970603133b5.png

更进一步#

上述策略是任何 JAX 程序在使用 jitvmapgrad 等变换时必须处理状态的方式。

如果处理两个参数,手动处理参数似乎还不错,但如果它是一个具有数十层的神经网络呢?您可能已经开始担心两件事

  1. 我们是否应该手动初始化它们,本质上是重复我们在前向传递定义中已经写好的内容?

  2. 我们是否应该手动传递所有这些东西?

细节可能很难处理,但有一些库的示例可以为您处理这些问题。有关一些示例,请参阅 JAX 神经网络库