每一个深度学习项目的最终目标都是为产品带来价值。当然，我们想要最好的模型。什么是“最好的” —— 取决于特定的用例，我将把这个讨论放到这篇文章之外。我想谈谈如何从你的train.py脚本中得到最好的模型。

我们将介绍以下技巧：

建议1 — 利用PyTorch生态系统的高级训练框架

PyTorch在从头开始编写训练循环时提供了极佳的灵活性和自由度。理论上，这为编写任何训练逻辑提供了无限可能。在实践中，你很少会为训练CycleGAN、distilling BERT或3D物体检测从头开始实现编写训练循环。

从头编写一个完整的训练循环是学习PyTorch基本原理的一个很好的方法。不过，我强烈建议你在掌握了一些知识之后，转向高级框架。有很多选择：Catalyst， PyTorch-Lightning， Fast.AI， Ignite，以及其他。高级框架通过以下方式节省你的时间：

• 提供经过良好测试的训练循环
• 支持配置文件
• 支持多gpu和分布式训练
• 管理检查点/实验
• 自动记录训练进度

从这些高级库中获得最大效果需要一些时间。然而，这种一次性的投资从长期来看是有回报的。

优点

• 训练pipeline变得更小 —— 代码越少 —— 出错的机会就越少。
• 易于进行实验管理。
• 简化分布式和混合精度训练。

缺点

• 通常，当使用一个高级框架时，我们必须在框架特定的设计原则和范例中编写代码。
• 时间投资，学习额外的框架需要时间。

给我看指标

建议2 —— 在训练期间查看其他指标

几乎每一个用于在MNIST或CIFAR甚至ImageNet中对图像进行分类的快速启动示例项目都有一个共同点 —— 它们在训练期间和训练之后都报告了一组最精简的度量标准。通常情况下，包括Top-1和Top-5准确度、错误率、训练/验证损失，仅此而已。虽然这些指标是必要的，但它只是冰山一角！

现代图像分类模型有数千万个参数。你想只使用一个标量值来计算它吗？

Top-1准确率最好的CNN分类模型在泛化方面可能不是最好的。根据你的领域和需求，你可能希望保存具有最 false-positive/false-negative的模型，或者具有最高平均精度的模型。

让我给你一些建议，在训练过程中你可以记录哪些数据：

• Grad-CAM heat-map—— 看看图像的哪个部分对某一特定类的贡献最大。

• Confusion Matrix— 显示了对你的模型来说哪两个类最具挑战性。

• Distribution of predictions— 让你了解最优决策边界。

• Minimum/Average/Maximum跨所有层的梯度值，允许识别是否在模型中存在消失/爆炸的梯度或初始化不好的层。

使用面板工具来监控训练

建议3 — 使用TensorBoard或任何其他解决方案来监控训练进度

在训练模型时，你可能最不愿意做的事情就是查看控制台输出。通过一个功能强大的仪表板，你可以在其中一次看到所有的度量标准，这是检查训练结果的更有效的方法。

对于少量实验和非分布式环境，TensorBoard是一个黄金标准。自版本1.3以来，PyTorch就完全支持它，并提供了一组丰富的特性来管理试用版。还有一些更先进的基于云的解决方案，比如Weights&Biases、[Alchemy](https://github.com/catalyst team/alchemy)和TensorBoard.dev，这些解决方案使得在多台机器上监控和比较训练变得更容易。

当使用Tensorboard时，我通常记录这样一组指标：

• 学习率和其他可能改变的优化参数(动量，重量衰减，等等)
• 用于数据预处理和模型内部的时间
• 贯穿训练和验证的损失(每个batch和每个epoch的平均值)
• 跨训练和验证的度量
• 训练session的超参数最终值
• 混淆矩阵，Precision-Recall曲线，AUC(如果适用)
• 模型预测的可视化(如适用)

一图胜千言

直观地观察模型的预测是非常重要的。有时训练数据是有噪声的;有时，模型会过拟合图像的伪影。通过可视化最好的和最差的batch(基于损失或你感兴趣的度量)，你可以对模型执行良好和糟糕的情况进行有价值的洞察。

建议4 — 可视化每个epoch中最好和最坏的batch。它可能会给你宝贵的见解。

Catalyst用户提示：这里是使用可视化回调的示例：https://github.com/BloodAxe/Catalyst-Inria-Segmentation-Example/blob/master/fit_predict.py#L258

例如，在全球小麦检测挑战中，我们需要在图像上检测小麦头。通过可视化最佳batch的图片(基于mAP度量)，我们看到模型在寻找小物体方面做得近乎完美。

相反，当我们查看最差一批的第一个样本时，我们看到模型很难对大物体做出准确的预测。可视化分析为任何数据科学家都提供了宝贵的见解。

查看最差的batch也有助于发现数据标记中的错误。通常情况下，贴错标签的样本损失更大，因此会成为最差的batch。通过在每个epoch对最糟糕的batch做一个视觉检查，你可以消除这些错误：

使用Dict作为Dataset和Model的返回值

建议5 — 如果你的模型返回一个以上的值，使用Dict来返回结果，不要使用tuple

在复杂的模型中，返回多个输出并不少见。例如，目标检测模型通常返回边界框及其标签，在图像分割CNN-s中，我们经常返回中间层的mask进行深度监督，多任务学习最近也很常用。

在许多开源实现中，我经常看到这样的东西：

# Bad practice, don't return tuple
class RetinaNet(nn.Module):
  ...

  def forward(self, image):
    x = self.encoder(image)
    x = self.decoder(x)
    bboxes, scores = self.head(x)
    return bboxes, scores

  ...

对于作者来说，我认为这是一种非常糟糕的从模型返回结果的方法。下面是我推荐的替代方法：

class RetinaNet(nn.Module):
  RETINA_NET_OUTPUT_BBOXES = "bboxes"
  RETINA_NET_OUTPUT_SCORES = "scores"

  ...

  def forward(self, image):
    x = self.encoder(image)
    x = self.decoder(x)
    bboxes, scores = self.head(x)
    return { RETINA_NET_OUTPUT_BBOXES: bboxes, 
             RETINA_NET_OUTPUT_SCORES: scores }

  ...

这个建议在某种程度上与“The Zen of Python”的设定产生了共鸣 —— “明确的比含蓄的更好”。遵循这一规则将使你的代码更清晰、更容易维护。

那么为什么我认为第二种选择更好呢？有几个原因：

• 返回值有一个显式的名称与它关联。你不需要记住元组中元素的确切顺序。
• 如果你需要访问返回的字典的一个特定元素，你可以通过它的名字来访问。
• 从模型中添加新的输出不会破坏代码。

使用Dict，你甚至可以更改模型的行为，以按需返回额外的输出。例如，这里有一个简短的片段，演示了如何返回多个“主”输出和两个“辅助”输出来进行度量学习：

# https://github.com/BloodAxe/Kaggle-2020-Alaska2/blob/master/alaska2/models/timm.py#L104

def forward(self, **kwargs):
  x = kwargs[self.input_key]
  x = self.rgb_bn(x)
  x = self.encoder.forward_features(x)
  embedding = self.pool(x)
  result = {
    OUTPUT_PRED_MODIFICATION_FLAG: self.flag_classifier(self.drop(embedding)),
    OUTPUT_PRED_MODIFICATION_TYPE: self.type_classifier(self.drop(embedding)),
  }
  if self.need_embedding:
    result[OUTPUT_PRED_EMBEDDING] = embedding
  if self.arc_margin is not None:
    result[OUTPUT_PRED_EMBEDDING_ARC_MARGIN] = self.arc_margin(embedding)

  return result

同样的建议也适用于Dataset类。对于Cifar-10玩具示例，可以将图像及其对应的标签作为元组返回。但当处理多任务或多输入模型，你想从数据集返回Dict类型的样本：

# https://github.com/BloodAxe/Kaggle-2020-Alaska2/blob/master/alaska2/dataset.py#L373
class TrainingValidationDataset(Dataset):
    def __init__(
        self,
        images: Union[List, np.ndarray],
        targets: Optional[Union[List, np.ndarray]],
        quality: Union[List, np.ndarray],
        bits: Optional[Union[List, np.ndarray]],
        transform: Union[A.Compose, A.BasicTransform],
        features: List[str],
    ):
        """
        :param obliterate - Augmentation that destroys embedding.
        """
        if targets is not None:
            if len(images) != len(targets):
                raise ValueError(f"Size of images and targets does not match: {len(images)} {len(targets)}")

        self.images = images
        self.targets = targets
        self.transform = transform
        self.features = features
        self.quality = quality
        self.bits = bits

    def __len__(self):
        return len(self.images)

    def __repr__(self):
        return f"TrainingValidationDataset(len={len(self)}, targets_hist={np.bincount(self.targets)}, qf={np.bincount(self.quality)}, features={self.features})"

    def __getitem__(self, index):
        image_fname = self.images[index]
        try:
            image = cv2.imread(image_fname)
            if image is None:
                raise FileNotFoundError(image_fname)
        except Exception as e:
            print("Cannot read image ", image_fname, "at index", index)
            print(e)

        qf = self.quality[index]
        data = {}
        data["image"] = image
        data.update(compute_features(image, image_fname, self.features))

        data = self.transform(**data)

        sample = {INPUT_IMAGE_ID_KEY: os.path.basename(self.images[index]), INPUT_IMAGE_QF_KEY: int(qf)}

        if self.bits is not None:
            # OK
            sample[INPUT_TRUE_PAYLOAD_BITS] = torch.tensor(self.bits[index], dtype=torch.float32)

        if self.targets is not None:
            target = int(self.targets[index])
            sample[INPUT_TRUE_MODIFICATION_TYPE] = target
            sample[INPUT_TRUE_MODIFICATION_FLAG] = torch.tensor([target > 0]).float()

        for key, value in data.items():
            if key in self.features:
                sample[key] = tensor_from_rgb_image(value)

        return sample

当你的代码中有Dictionaries时，你可以在任何地方使用名称常量引用输入/输出。遵循这条规则将使你的训练管道非常清晰和容易遵循：

# https://github.com/BloodAxe/Kaggle-2020-Alaska2

callbacks += [
  CriterionCallback(
    input_key=INPUT_TRUE_MODIFICATION_FLAG,
    output_key=OUTPUT_PRED_MODIFICATION_FLAG,
    criterion_key="bce"
  ),
  CriterionCallback(
    input_key=INPUT_TRUE_MODIFICATION_TYPE,
    output_key=OUTPUT_PRED_MODIFICATION_TYPE,
    criterion_key="ce"
  ),
  CompetitionMetricCallback(
    input_key=INPUT_TRUE_MODIFICATION_FLAG,
    output_key=OUTPUT_PRED_MODIFICATION_FLAG,
    prefix="auc",
    output_activation=binary_logits_to_probas,
    class_names=class_names,
  ),
  OutputDistributionCallback(
      input_key=INPUT_TRUE_MODIFICATION_FLAG,
      output_key=OUTPUT_PRED_MODIFICATION_FLAG,
      output_activation=binary_logits_to_probas,
      prefix="distribution/binary",
  ),
  BestMetricCheckpointCallback(
    target_metric="auc", 
    target_metric_minimize=False, 
    save_n_best=3),
]

在训练中检测异常

建议6 — 在训练期间使用torch.autograd.detect_anomaly()查找算术异常

如果你在训练过程中在损失/度量中看到NaNs或Inf，你的脑海中就会响起一个警报。它是你的管道中有问题的指示器。通常情况下，它可能由以下原因引起：

• 模型或特定层的初始化不好(你可以通过观察梯度大小来检查哪些层)
• 数学上不正确的运算(负数的     torch.sqrt()     ，非正数的     torch.log()     ，等等)
• 不当使用     torch.mean()     和     torch.sum()      的reduction(zero-sized张量上的均值会得到nan，大张量上的sum容易导致溢出)
• 在loss中使用     x.sigmoid()     (如果你需要在loss函数中使用概率，更好的方法是     x.sigmoid().clamp(eps,1-eps      )以防止梯度消失)
• 在Adam-like的优化器中的低epsilon值
• 在使用fp16的训练的时候没有使用动态损失缩放

为了找到你代码中第一次出现Nan/Inf的确切位置，PyTorch提供了一个简单易用的方法torch. autograde .detect_anomaly()：

import torch

def main():
    torch.autograd.detect_anomaly()
    ...
    # Rest of the training code
   

# OR
class MyNumericallyUnstableLoss(nn.Module):
  def forward(self, input, target):
    with torch.autograd.set_detect_anomaly(True):
       loss = input * target
       return loss

将其用于调试目的，否则就禁用它，异常检测会带来计算开销，并将训练速度降低10-15% 。