Automatisierung der Keras-Hyperparameteroptimierung mit Talos
Ein Deep Learning -Modell ist KEINE Blackbox. Für eine gute Leistung muss es abgestimmt werden.
In den beiden vorherigen Beiträgen habe ich Ihnen meine ersten Schritte mit Keras gezeigt. Ich habe Beispiele aus dem Internet verwendet und den Datensatz in etwas Triviales geändert, d.h. ich habe die Daten selbst erzeugt und kenne die erwarteten Werte. Aber ich habe euch auch gesagt, dass ich keine Ahnung hatte, warum Parameter wie Neuronen, Epochen, batch_size diese Werte hatten.
Was wir also haben, ist nicht wirklich eine Blackbox. Auf der Außenseite gibt es auch einige Schalter und Schrauben, die unsere Aufmerksamkeit benötigen. In diesem Beitrag verwende ich Talos, 'Hyperparameter Optimization for Keras, TensorFlow (tf.keras) and PyTorch', siehe Links unten, das dazu gedacht ist, den Prozess der Auswahl der optimalen Parameter zu automatisieren.
Am Ende dieses Beitrags finden Sie den Code, damit Sie ihn selbst ausprobieren können.
Hyperparameter
Parameter wie Neuronen, Epochen und Batchgröße werden als Hyperparameter bezeichnet, und ihre Einstellung ist für eine gute Leistung des Modells unerlässlich. Im Internet gibt es einige interessante Artikel darüber, wie man diese Parameter abstimmen kann. Man kann dies als den heiligen Gral der neuronalen Netze bezeichnen: Hyperparameter-Optimierung. Merriam-Webster-Website: Der Heilige Gral ist ein Objekt oder ein Ziel, das wegen seiner großen Bedeutung gesucht wird. Wenn man nicht weiß, was man tut, ist es leicht, nicht optimale oder sogar völlig falsche Parameter zu wählen.
Verlustfunktionen
Für die Optimierung benötigen wir Werte, die angeben, wie gut unser Modell abschneidet. Diese Werte werden durch Verlustfunktionen berechnet. Wir verwenden unterschiedliche Verlustfunktionen für Regression und Klassifikation. Siehe zum Beispiel den Artikel 'Overview of loss functions for Machine Learning', siehe Links unten.
Regressionsverlustfunktionen:
- Mean Squared Error (MSE)
- Mean Absolute Error (MAE)
- Huber
- Log-Cosh
- Quantile
ClassVerlustfunktionen:
- Binary Cross Entropy
- Multi-Class Cross Entropy
Talos Zusammenfassung
Mir gefällt der Satz im Artikel 'Hyperparameter-Optimierung mit Keras', siehe Links unten:
Machen Sie keinen Fehler; SELBST WENN WIR GET DIE PERFORMANCE METRIC RICHTIG machen (ja ich schreie), müssen wir berücksichtigen, was bei der Optimierung eines Modells geschieht.
Mit Talos parametrisieren wir unser Modell. Die Anzahl der Kombinationen von Epochen, batch_size usw. kann riesig sein. Talos wählt zufällig eine Anzahl von Kombinationen aus und erstellt das neue Modell mit Trainings- und Validierungsdaten. Dies kann Minuten, aber auch Stunden oder sogar Tage dauern.
Nach der Fertigstellung können wir die Ergebnisse verwenden, die Parameterwerte ändern und/oder einige Parameter hinzufügen und erneut ausführen. In der Zwischenzeit können wir andere Dinge tun, wie z. B. Kaffee trinken, mit einem Freund reden oder, noch besser, versuchen, mehr über die Machine Learning -Optimierung zu lernen. Schauen wir uns an, wie das funktioniert.
Beispiel
Ich werde Talos für ein sehr einfaches Neural Network -Modell ausführen, das auf 'Keras 101: A simple (and interpretable) Neural Network model for House Pricing regression' basiert, siehe Links unten.
Der Datensatz wird mit dieser Funktion erzeugt:
# define input sequence
def fx(x0, x1):
y = x0 + 2*x1
return y
Das Modell:
model = Sequential()
# add layers
model.add(Dense(100, input_shape=(2,), activation='relu', name='layer_input'))
model.add(Dense(50, activation='relu', name='layer_hidden_1')
model.add(Dense(1, activation='linear', name='layer_output')
# compile
model.compile(optimizer='adam', loss='mse', metrics=['mean_absolute_error'])
Und die Anpassungsfunktion:
history = model.fit(X_train, y_train, epochs=100, validation_split=0.05)
Wie ich Ihnen bereits sagte, habe ich keine Ahnung, warum die Parameter diese Werte haben. Ok, ein bisschen.
Talos
Um dies in Talos zu verwenden, ersetzen wir die fest kodierten Parameter durch Variablen, die von Talos gesteuert werden können. Zunächst erstellen wir ein Parameterverzeichnis mit den Werten, die wir ändern wollen. Beginnen Sie nicht mit allen Parametern, die Sie ändern wollen. Ehe Sie sich versehen, werden Sie warten und warten. Außerdem habe ich z. B. den Parameter batch_size mit zwei Werten begonnen, die weit auseinander liegen, um eine Vorstellung davon zu bekommen. Mit den unten aufgeführten Parametern hat Talos 16 Durchläufe gemacht und die Gesamtzeit auf meinem PC (ohne GPU) betrug 42 Sekunden.
# parameters
p = dict(
first_neuron=[24, 192],
activation=['relu', 'elu'],
epochs=[50, 200],
batch_size=[8, 32]
)
Dann ändern wir das Modell für Talos:
model = Sequential()
# add layers
model.add(Dense(
params['first_neuron'],
input_shape=(2,),
activation=params['activation'],
name='layer_input')
)
model.add(Dense(
50,
activation=params['activation'],
name='layer_hidden_1')
)
model.add(Dense(
1,
activation='linear',
name='layer_output')
)
# compile
model.compile(
optimizer='adam',
loss='mse',
metrics=['mean_absolute_error'],
)
Und die Anpassungsfunktion wird:
history = model.fit(
x=x_train,
y=y_train,
validation_data=[x_val, y_val],
epochs=params['epochs'],
batch_size=params['batch_size'],
verbose=0,
)
Ausführen von Talos und Analysieren
Zeit zum Ausführen! Nach dem Lauf drucke ich die vollständige Ergebnistabelle aus.
# perform scan
so = talos.Scan(
x=X,
y=y,
model=dlm.model2scan,
params=p,
experiment_name='model2scan',
val_split=0.3,
)
print('scan details {}'.format(so.details))
print('analyze ...')
a = talos.Analyze(so)
a_table = a.table('val_loss', sort_by='val_loss', exclude=['start', 'end', 'duration'])
print('a_table = \n{}'.format(a_table))
Hier ist die Tabelle. Beachten Sie, dass sie nach val_loss sortiert ist, was bedeutet, dass die letzte Zeile der Gewinner ist:
activation epochs round_epochs first_neuron val_mean_absolute_error mean_absolute_error batch_size val_loss loss
4 relu 50 50 24 7.786795 10.516150 32 94.053894 143.701889
12 elu 50 50 24 5.021943 2.713378 32 30.090796 10.598367
13 elu 50 50 192 2.880891 2.392172 32 10.355382 7.829942
5 relu 50 50 192 2.306647 1.435794 32 8.680595 3.228125
8 elu 50 50 24 2.205534 1.599179 8 5.929257 3.529320
9 elu 50 50 192 1.564395 0.991934 8 3.059430 1.329003
1 relu 50 50 192 0.813473 0.418985 8 1.315141 0.284857
14 elu 200 200 24 0.934512 0.557581 32 1.210560 0.448432
0 relu 50 50 24 0.680375 0.463401 8 0.818936 0.343270
15 elu 200 200 192 0.773358 0.466824 32 0.776512 0.313476
6 relu 200 200 24 0.510728 0.256091 32 0.515720 0.105524
7 relu 200 200 192 0.473588 0.219744 32 0.471352 0.076440
2 relu 200 200 24 0.562183 0.213781 8 0.431688 0.075045
3 relu 200 200 192 0.261547 0.062857 8 0.179677 0.006133
10 elu 200 200 24 0.327835 0.207104 8 0.140866 0.063864
11 elu 200 200 192 0.218479 0.116624 8 0.071611 0.028682
Wenn wir uns die Daten ansehen, sehen wir, dass epochs=200 viel bessere Ergebnisse liefert als epochs=50. Wir können den Wert auf 100 ändern, um zu sehen, ob dies auch gut ist. Auch batch_size=8 liefert bessere Ergebnisse als batch_size=32. Wir können sie auf 16 ändern, um zu sehen, ob dies auch gut ist. Wir können auch versuchen, first_neuron zu reduzieren. Die neuen Parameter für Talos:
p = dict(
first_neuron=[128, 192],
activation=['relu', 'elu'],
epochs=[100, 200],
batch_size=[8, 16]
)
Führen wir den Versuch mit diesen Werten erneut durch. Das Ergebnis:
batch_size activation epochs val_mean_absolute_error val_loss loss round_epochs first_neuron mean_absolute_error
13 16 elu 100 0.884498 1.053809 0.726826 100 192 0.706334
12 16 elu 100 0.779756 0.834097 0.669265 100 128 0.696979
4 16 relu 100 0.415210 0.235131 0.124713 100 128 0.291552
9 8 elu 100 0.395605 0.204896 0.157592 100 192 0.321956
5 16 relu 100 0.290187 0.109819 0.064319 100 192 0.211642
15 16 elu 200 0.234876 0.108920 0.070559 200 192 0.220270
14 16 elu 200 0.274542 0.107709 0.075080 200 128 0.216383
0 8 relu 100 0.280294 0.104701 0.049495 100 128 0.188951
1 8 relu 100 0.268457 0.100130 0.041598 100 192 0.160658
6 16 relu 200 0.228168 0.079410 0.033531 200 128 0.138397
11 8 elu 200 0.175497 0.070203 0.041988 200 192 0.154247
10 8 elu 200 0.150712 0.057377 0.021882 200 128 0.108372
8 8 elu 100 0.205943 0.055572 0.048045 100 128 0.187398
2 8 relu 200 0.182463 0.046856 0.018731 200 128 0.096890
7 16 relu 200 0.135524 0.025975 0.010142 200 192 0.073783
3 8 relu 200 0.078327 0.009304 0.004181 200 192 0.042721
Die besten Ergebnisse haben sich verbessert, aber nicht so sehr. Epochs=200 ist immer noch am besten, ebenso wie batch_size=8. Die endgültigen Parameter sind:
p = dict(
first_neuron=192,
activation='relu',
epochs=200,
batch_size=8,
)
Vollständiger Code
Nachfolgend finden Sie den Code, falls Sie es selbst versuchen möchten. Wählen Sie "run_optimizer", um Talos auszuführen. Der Datensatz wird in Trainingsdaten und Testdaten aufgeteilt. Die Trainingsdaten werden wiederum in Trainingsdaten und Validierungsdaten aufgeteilt.
Nach der Ausführung des Optimierers können Sie die neuen Parameterwerte in das Modell einfügen, Diagramme erstellen, die Auswertung anhand von Testdaten durchführen und einige Vorhersagen machen.
# optimizing keras hyperparameters with talos
from keras.models import Sequential, load_model
from keras.layers import Dense
import numpy as np
from plotly.subplots import make_subplots
import plotly.graph_objects as go
from sklearn.model_selection import train_test_split
import talos
# use plotly or pyplot
from matplotlib import pyplot
# your input: select talos optimizer or normal operation
run_optimizer = False
#run_optimizer = True
# your input: train model or use saved model
use_saved_model = False
#use_saved_model = True
# create dataset
def fx(x0, x1):
y = x0 + 2*x1
return y
X_items = []
y_items = []
for x0 in range(0, 18, 3):
for x1 in range(2, 27, 3):
y = fx(x0, x1)
X_items.append([x0, x1])
y_items.append(y)
X = np.array(X_items).reshape((-1, 2))
y = np.array(y_items)
print('X = {}'.format(X))
print('y = {}'.format(y))
X_data_shape = X.shape
print('X_data_shape = {}'.format(X_data_shape))
class DLM:
def __init__(
self,
model_name='my_model',
):
self.model_name = model_name
self.layer_input_shape=(2, )
# your input: final model parameters
self.params = dict(
# layers
first_neuron=192,
activation='relu',
# compile
# fit
val_split=0.3,
epochs=200,
batch_size=8,
verbose=0,
)
def data_split_train_test(
self,
X,
y,
):
self.X_train, self.X_test, self.y_train, self.y_test = train_test_split(X, y, test_size=0.3, random_state=1)
print('self.X_train = {}'.format(self.X_train))
print('self.X_test = {}'.format(self.X_test))
print('self.y_train = {}'.format(self.y_train))
print('self.y_test = {}'.format(self.y_test))
print('training data row count = {}'.format(len(self.y_train)))
print('test data row count = {}'.format(len(self.y_test)))
X_train_data_shape = self.X_train.shape
print('X_train_data_shape = {}'.format(X_train_data_shape))
def get_model(
self,
):
self.model = self.get_model_for_params(self.params)
return self.model
def get_model_for_params(self, params):
model = Sequential()
# add layers
model.add(Dense(
params['first_neuron'],
input_shape=self.layer_input_shape,
activation=params['activation'],
name='layer_input')
)
model.add(Dense(
50,
activation=params['activation'],
name='layer_hidden_1')
)
model.add(Dense(
1,
activation='linear',
name='layer_output')
)
# compile
model.compile(
optimizer='adam',
loss='mse',
metrics=['mean_absolute_error'],
)
return model
def model_summary(
self,
model,
):
model.summary()
def fit(
self,
model,
plot=False,
):
# split training data
X_train, X_val, y_train, y_val = train_test_split(self.X_train, self.y_train, test_size=self.params['val_split'], random_state=1)
print('X_train = {}'.format(X_train))
print('y_train = {}'.format(y_train))
print('X_val = {}'.format(X_val))
print('y_val = {}'.format(y_val))
print('training data row count = {}'.format(len(y_train)))
print('validation data row count = {}'.format(len(y_val)))
history = self.fit_model(model, X_train, y_train, X_val, y_val, self.params)
if plot:
fig = go.Figure()
fig.add_trace(go.Scattergl(y=history.history['loss'], name='Train'))
fig.add_trace(go.Scattergl(y=history.history['val_loss'], name='Valid'))
fig.update_layout(height=500, width=700, xaxis_title='Epoch', yaxis_title='Loss')
fig.show()
fig = go.Figure()
fig.add_trace(go.Scattergl(y=history.history['mean_absolute_error'], name='Train'))
fig.add_trace(go.Scattergl(y=history.history['val_mean_absolute_error'], name='Valid'))
fig.update_layout(height=500, width=700, xaxis_title='Epoch', yaxis_title='Mean Absolute Error')
fig.show()
pyplot.plot(history.history['loss'], label='Train')
pyplot.plot(history.history['val_loss'], label='Valid')
pyplot.legend()
#pyplot.show()
pyplot.savefig('ex_dl_loss.png')
return history
def fit_model(self, model, x_train, y_train, x_val, y_val, params):
history = model.fit(
x=x_train,
y=y_train,
validation_data=[x_val, y_val],
epochs=params['epochs'],
batch_size=params['batch_size'],
verbose=0,
)
return history
def model2scan(self, x_train, y_train, x_val, y_val, params):
model = self.get_model_for_params(params)
history = self.fit_model(model, x_train, y_train, x_val, y_val, params)
return history, model
def evaluate(
self,
model,
):
score = model.evaluate(self.X_test, self.y_test)
print('test data - loss = {}'.format(score[0]))
print('test data - mean absolute error = {}'.format(score[1]))
return score
def predict(
self,
model,
x0,
x1,
fx=None,
):
x = np.array([[x0, x1]]).reshape((-1, 2))
predictions = model.predict(x)
expected = ''
if fx is not None:
expected = ', expected = {}'.format(fx(x0, x1))
print('for x = {}, predictions = {}{}'.format(x, predictions, expected))
return predictions
def save_model(
self,
model,
):
model.save(self.model_name)
def load_saved_model(
self,
):
self.model = load_model(self.model_name)
return self.model
dlm = DLM()
if not run_optimizer:
# create & save or used saved
if use_saved_model:
model = dlm.load_saved_model()
else:
dlm.data_split_train_test(X, y)
model = dlm.get_model()
# remove plot=True for no plot
dlm.fit(model, plot=True)
dlm.evaluate(model)
dlm.save_model(model)
# predict
dlm.predict(model, 4, 17, fx=fx)
dlm.predict(model, 23, 79, fx=fx)
dlm.predict(model, 40, 33, fx=fx)
dlm.predict(model, 140, 68, fx=fx)
else:
# talos
# your input: parameters run 1
p = dict(
first_neuron=[24, 192],
activation=['relu', 'elu'],
epochs=[50, 200],
batch_size=[8, 32]
)
# your input: parameters run 2 (change p2 to p)
p2 = dict(
first_neuron=[128, 192],
activation=['relu', 'elu'],
epochs=[100, 200],
batch_size=[8, 16]
)
# perform scan
so = talos.Scan(
x=X,
y=y,
model=dlm.model2scan,
params=p,
experiment_name='model2scan',
val_split=0.3,
)
print('scan details {}'.format(so.details))
print('analyze ...')
a = talos.Analyze(so)
# dump table
a_table = a.table('val_loss', sort_by='val_loss', exclude=['start', 'end', 'duration'])
print('a_table = \n{}'.format(a_table))
Einige Überlegungen
Konvergieren wir wirklich in die richtige Richtung? Dies ist ein sehr komplexes Problem. Wir haben es mit einer N-dimensionalen Welt zu tun, in der es überall Hochs und Tiefs gibt. Das bedeutet, dass der Startpunkt sehr wichtig sein kann. Letztendlich sollte man immer einen Lauf mit so vielen Parametern wie möglich durchführen. Wenn Sie einen großen Datensatz haben, sollten Sie ihn zunächst durch die Auswahl von Stichproben reduzieren.
Ich hoffe, es ist klar, dass Sie ein sehr gutes Verständnis von dem, was Sie tun, brauchen. Aber auch ein geschwindigkeitsoptimiertes System (teures GPU) ist sehr hilfreich.
Zusammenfassung
Talos ist ein sehr schönes Tool, das einem viel Arbeit abnimmt. Die Dokumentation könnte verbessert werden, aber ich will mich nicht beschweren. Es hat viel mehr Funktionen, aber ich habe sie nicht alle ausprobiert. Ich konnte meine (mehrstufigen) univariate LSTM Beispiele damit nicht zum Laufen bringen, weil der Datensatz komplexer ist. Ich muss mir das genauer ansehen.
Können wir den Optimierer optimieren? Ja, natürlich. Als nächsten Schritt könnten wir die Ergebnisse der Tabelle nehmen und sie automatisch analysieren lassen, um eine neue Auswahl der Parameter für den nächsten Lauf zu treffen.
Links / Impressum
10 Hyperparameter optimization frameworks
https://towardsdatascience.com/10-hyperparameter-optimization-frameworks-8bc87bc8b7e3
5 Regression Loss Functions All Machine Learners Should Know
https://heartbeat.comet.ml/5-regression-loss-functions-all-machine-learners-should-know-4fb140e9d4b0
How do I choose the optimal batch size?
https://ai.stackexchange.com/questions/8560/how-do-i-choose-the-optimal-batch-size
How to Develop LSTM Models for Time Series Forecasting
https://machinelearningmastery.com/how-to-develop-lstm-models-for-time-series-forecasting
How to get reproducible results in keras
https://stackoverflow.com/questions/32419510/how-to-get-reproducible-results-in-keras
How to Manually Optimize Machine Learning Model Hyperparameters
https://machinelearningmastery.com/manually-optimize-hyperparameters
How to tune the number of epochs and batch_size in Keras-tuner?
https://kegui.medium.com/how-to-tune-the-number-of-epochs-and-batch-size-in-keras-tuner-c2ab2d40878d
Hyperparameter Optimization for Keras, TensorFlow (tf.keras) and PyTorch
https://github.com/autonomio/talos
Hyperparameter Optimization with Keras
https://towardsdatascience.com/hyperparameter-optimization-with-keras-b82e6364ca53
Keras 101: A simple (and interpretable) Neural Network model for House Pricing regression
https://towardsdatascience.com/keras-101-a-simple-and-interpretable-neural-network-model-for-house-pricing-regression-31b1a77f05ae
Overview of loss functions for Machine Learning
https://medium.com/analytics-vidhya/overview-of-loss-functions-for-machine-learning-61829095fa8a
What is batch size in neural network?
https://stats.stackexchange.com/questions/153531/what-is-batch-size-in-neural-network
Mehr erfahren
Deep Learning Machine Learning
Neueste
- Ausblenden der Primärschlüssel der Datenbank UUID Ihrer Webanwendung
- Don't Repeat Yourself (DRY) mit Jinja2
- SQLAlchemy, PostgreSQL, maximale Anzahl von Zeilen pro user
- Anzeige der Werte in den dynamischen Filtern SQLAlchemy
- Sichere Datenübertragung mit Public Key Verschlüsselung und pyNaCl
- rqlite: eine hochverfügbare und distverteilte SQLite -Alternative
Meistgesehen
- Verwendung von Pythons pyOpenSSL zur Überprüfung von SSL-Zertifikaten, die von einem Host heruntergeladen wurden
- Verwendung von UUIDs anstelle von Integer Autoincrement Primary Keys mit SQLAlchemy und MariaDb
- Verbindung zu einem Dienst auf einem Docker -Host von einem Docker -Container aus
- PyInstaller und Cython verwenden, um eine ausführbare Python-Datei zu erstellen
- SQLAlchemy: Verwendung von Cascade Deletes zum Löschen verwandter Objekte
- Flask RESTful API Validierung von Anfrageparametern mit Marshmallow-Schemas