Press "Enter" to skip to content

编写同时在PyTorch和Tensorflow上工作的代码

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

作者|Ram Sagar 编译|VK 来源|Analytics In Diamag

 

“库开发人员不再需要在框架之间进行选择。”

 

来自德国图宾根人工智能中心的研究人员介绍了一种新的Python框架EagerPy,EagerPy允许开发人员编写独立于PyTorch和TensorFlow等流行框架的代码。

 

在最近发表的一篇关于EagerPy的文章中,研究人员写道,库开发人员不再关注框架依赖性。他们的新Python框架,急切地解决了它们的重新实现和代码复制障碍。

 

例如,Foolbox是一个构建在EagerPy之上的Python库。该库是用EagerPy而不是NumPy重写的,以实现在PyTorch和TensorFlow中开发,并且只有一个代码库,没有代码重复。Foolbox是一个对机器学习模型进行对抗性攻击的库。

 

框架无关的重要性

 

为了解决框架之间的差异,作者探索了句法偏差。在PyTorch的情况下,使用In-place的梯度需要使用 _grad_()
,而反向传播是使用 backward
()调用的。

 

然而,TensorFlow提供了一个高级管理器和像 tape.gradient
这样的函数来查询梯度。即使在句法层面,这两个框架也有很大的不同。例如,对于参数,dim vs axis;对于函数,sum vs reduce_sum。

 

这就是“EagerPy ”发挥作用的地方。它通过提供一个统一的API来解决PyTorch和TensorFlow之间的差异,该API透明地映射到各种底层框架,而无需计算开销。

 

EagerPy
允许你编写自动使用PyTorch、TensorFlow、JAX和NumPy的代码。”

 

研究人员写道,EagerPy专注于Eager执行,此外,它的方法是透明的,用户可以将与框架无关的EagerPy代码与特定于框架的代码结合起来。

 

TensorFlow引入的eager执行模块和PyTorch的相似特性使eager执行成为主流,框架更加相似。然而,尽管PyTorch和TensorFlow2之间有这些相似之处,但编写框架无关的代码并不简单。在语法层面,这些框架中用于自动微分的api是不同的。

 

自动微分是指用算法求解微分方程。它的工作原理是链式规则,也就是说,求解函数的导数可以归结为基本的数学运算(加、减、乘、除)。这些算术运算可以用图形格式表示。EagerPy特别使用了一种函数式的方法来自动区分。

 

下面是一段来自文档的代码片段:

 

import eagerpy as ep
x = ep.astensor(x)
def loss_fn(x):
    #这个函数接受并返回一个eager张量
    return x.square().sum()
print(loss_fn(x))
# PyTorchTensor(tensor(14.))
print(ep.value_and_grad(loss_fn, x))

 

首先定义第一个函数,然后根据其输入进行微分。然后传递给 ep.value_and_grad
来得到函数的值及其梯度。

 

此外,norm函数现在可以与PyTorch、TensorFlow、JAX和NumPy中的原生张量和数组一起使用,与本机代码相比几乎没有任何开销。它也适用于GPU张量。

 

import torch
norm(torch.tensor([1., 2., 3.]))
import tensorflow as tf
norm(tf.constant([1., 2., 3.]))

 

总之,EagerPy 旨在提供以下功能:

为快速执行提供统一的API
维护框架的本机性能
完全可链接的API
全面的类型检查支持

研究人员声称,这些属性使得使用这些属性比底层框架特定的api更容易、更安全。尽管有这些变化和改进,但EagerPy 背后的团队还是确保了eagerpy API遵循了NumPy、PyTorch和JAX设置的标准。

 

入门EagerPy:

 

使用pip从PyPI安装最新版本:

 

python3 -m pip install eagerpy

 

import eagerpy as ep
def norm(x):
    x = ep.astensor(x)
    result = x.square().sum().sqrt()
    return result.raw

 

了解更多关于“eagerpy”的信息: https://eagerpy.jonasrauber.d…

 

原文链接: https://analyticsindiamag.com…

Be First to Comment

发表评论

电子邮件地址不会被公开。 必填项已用*标注