Julia 网络表达式 Flux

Julia network expression Flux

学习 Julia 元编程以通过表达式自动构建 ANN。虽然一切都适用于推理,但后退阶段会引发错误:

LoadError: Can't differentiate foreigncall expression

下一个代码显示了问题出现的位置。虽然 eval(net(x)) 运行良好,但由于某种原因,它在梯度计算阶段引发了错误。

1
2
3
4
5
6
7
8
9
10
# define ANN by expression
net(x) = :($w2 * relu.($w1 * $x .+ $b1) .+ $b2)

# define loss and network evaluation
loss(x, y) = Flux.logitcrossentropy(eval(net(x)), y)

θ = Flux.Params([w1, b1, w2, b2])

# eval network and calculate gradients
gs = gradient(() -> loss(features, labels), θ)  # where the problem appears

evalFlux 无法区分的原语。你宁愿使用类似

的东西

1
2
net = :($w2 * relu.($w1 * x .+ $b1) .+ $b2)
@eval loss(x, y) = Flux.logitcrossentropy($net, y)

这会构建 loss 的表达式并对其进行一次评估,而不是每次调用损失函数时都评估(并因此编译)同一段代码。

但在元编程之前要三思。在使用 eval 之前,请尝试编写一个宏来生成您的网络和损失函数。

当然,如果目标是将仅在运行时可用的表达式组合在一起,这将不起作用。遗传编程,在运行时创建大量随机表达式,听起来像是一个合理的例外。但即便如此,也可能有其他选择,例如使用您自己的受限表示(例如,您可以首先符号区分,然后"编译"为匿名函数)。