用 Java 訓(xùn)練深度學(xué)習(xí)模型，原來這么簡(jiǎn)單

以下文章來源于HelloGitHub ，作者Keerthan&Lanking

前言

很長(zhǎng)時(shí)間以來，Java 都是一個(gè)很受企業(yè)歡迎的編程語言。得益于豐富的生態(tài)以及完善維護(hù)的包和框架，Java 擁有著龐大的開發(fā)者社區(qū)。盡管深度學(xué)習(xí)應(yīng)用的不斷演進(jìn)和落地，提供給 Java 開發(fā)者的框架和庫卻十分短缺?，F(xiàn)今主要流行的深度學(xué)習(xí)模型都是用 Python 編譯和訓(xùn)練的。對(duì)于 Java 開發(fā)者而言，如果要進(jìn)軍深度學(xué)習(xí)界，就需要重新學(xué)習(xí)并接受一門新的編程語言同時(shí)還要學(xué)習(xí)深度學(xué)習(xí)的復(fù)雜知識(shí)。這使得大部分 Java 開發(fā)者學(xué)習(xí)和轉(zhuǎn)型深度學(xué)習(xí)開發(fā)變得困難重重。

為了減少 Java 開發(fā)者學(xué)習(xí)深度學(xué)習(xí)的成本，AWS 構(gòu)建了 Deep Java Library (DJL)，一個(gè)為 Java 開發(fā)者定制的開源深度學(xué)習(xí)框架。它為 Java 開發(fā)者對(duì)接主流深度學(xué)習(xí)框架提供了一個(gè)橋梁。

在這篇文章中，我們會(huì)嘗試用 DJL 構(gòu)建一個(gè)深度學(xué)習(xí)模型并用它訓(xùn)練 MNIST 手寫數(shù)字識(shí)別任務(wù)。

什么是深度學(xué)習(xí)？

在我們正式開始之前，我們先來了解一下機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的基本概念。

機(jī)器學(xué)習(xí)是一個(gè)通過利用統(tǒng)計(jì)學(xué)知識(shí)，將數(shù)據(jù)輸入到計(jì)算機(jī)中進(jìn)行訓(xùn)練并完成特定目標(biāo)任務(wù)的過程。這種歸納學(xué)習(xí)的方法可以讓計(jì)算機(jī)學(xué)習(xí)一些特征并進(jìn)行一系列復(fù)雜的任務(wù)，比如識(shí)別照片中的物體。由于需要寫復(fù)雜的邏輯以及測(cè)量標(biāo)準(zhǔn)，這些任務(wù)在傳統(tǒng)計(jì)算科學(xué)領(lǐng)域中很難實(shí)現(xiàn)。

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)分支，主要側(cè)重于對(duì)于人工神經(jīng)網(wǎng)絡(luò)的開發(fā)。人工神經(jīng)網(wǎng)絡(luò)是通過研究人腦如何學(xué)習(xí)和實(shí)現(xiàn)目標(biāo)的過程中歸納而得出一套計(jì)算邏輯。它通過模擬部分人腦神經(jīng)間信息傳遞的過程，從而實(shí)現(xiàn)各類復(fù)雜的任務(wù)。深度學(xué)習(xí)中的“深度”來源于我們會(huì)在人工神經(jīng)網(wǎng)絡(luò)中編織構(gòu)建出許多層（layer）從而進(jìn)一步對(duì)數(shù)據(jù)信息進(jìn)行更深層的傳導(dǎo)。深度學(xué)習(xí)技術(shù)應(yīng)用范圍十分廣泛，現(xiàn)在被用來做目標(biāo)檢測(cè)、動(dòng)作識(shí)別、機(jī)器翻譯、語意分析等各類現(xiàn)實(shí)應(yīng)用中。

訓(xùn)練 MNIST 手寫數(shù)字識(shí)別

3.1 項(xiàng)目配置

你可以用如下的 gradle 配置來引入依賴項(xiàng)。在這個(gè)案例中，我們用 DJL 的 api 包 (核心 DJL 組件) 和 basicdataset 包 (DJL 數(shù)據(jù)集) 來構(gòu)建神經(jīng)網(wǎng)絡(luò)和數(shù)據(jù)集。這個(gè)案例中我們使用了 MXNet 作為深度學(xué)習(xí)引擎，所以我們會(huì)引入 mxnet-engine 和 mxnet-native-auto 兩個(gè)包。這個(gè)案例也可以運(yùn)行在 PyTorch 引擎下，只需要替換成對(duì)應(yīng)的軟件包即可。

plugins {

id 'java'

}

repositories {                           

jcenter()

}

dependencies {

implementation platform("ai.djl:bom:0.8.0")

implementation "ai.djl:api"

implementation "ai.djl:basicdataset"

// MXNet

runtimeOnly "ai.djl.mxnet:mxnet-engine"

runtimeOnly "ai.djl.mxnet:mxnet-native-auto"

}

3.2 NDArray 和 NDManager

NDArray 是 DJL 存儲(chǔ)數(shù)據(jù)結(jié)構(gòu)和數(shù)學(xué)運(yùn)算的基本結(jié)構(gòu)。一個(gè) NDArray 表達(dá)了一個(gè)定長(zhǎng)的多維數(shù)組。NDArray 的使用方法類似于 Python 中的 numpy.ndarray。

NDManager 是 NDArray 的老板。它負(fù)責(zé)管理 NDArray 的產(chǎn)生和回收過程，這樣可以幫助我們更好的對(duì) Java 內(nèi)存進(jìn)行優(yōu)化。每一個(gè) NDArray 都會(huì)是由一個(gè) NDManager 創(chuàng)造出來，同時(shí)它們會(huì)在 NDManager 關(guān)閉時(shí)一同關(guān)閉。NDManager 和 NDArray 都是由 Java 的 AutoClosable 構(gòu)建，這樣可以確保在運(yùn)行結(jié)束時(shí)及時(shí)進(jìn)行回收。

Model

在 DJL 中，訓(xùn)練和推理都是從 Model class 開始構(gòu)建的。我們?cè)谶@里主要講訓(xùn)練過程中的構(gòu)建方法。下面我們?yōu)?Model 創(chuàng)建一個(gè)新的目標(biāo)。因?yàn)?Model 也是繼承了 AutoClosable 結(jié)構(gòu)體，我們會(huì)用一個(gè) try block 實(shí)現(xiàn)：

try (Model model = Model.newInstance()) {

    ...

// 主體訓(xùn)練代碼

    ...

}

準(zhǔn)備數(shù)據(jù)

MNIST（Modified National Institute of Standards and Technology）數(shù)據(jù)庫包含大量手寫數(shù)字的圖，通常被用來訓(xùn)練圖像處理系統(tǒng)。DJL 已經(jīng)將 MNIST 的數(shù)據(jù)集收錄到了 basicdataset 數(shù)據(jù)集里，每個(gè) MNIST 的圖的大小是 28 x 28。如果你有自己的數(shù)據(jù)集，你也可以通過 DJL 數(shù)據(jù)集導(dǎo)入教程來導(dǎo)入數(shù)據(jù)集到你的訓(xùn)練任務(wù)中。

數(shù)據(jù)集導(dǎo)入教程: 

http://docs.djl.ai/docs/development/how_to_use_dataset.html#how-to-create-your-own-dataset

int batchSize = 32; // 批大小

Mnist trainingDataset = Mnist.builder()

        .optUsage(Usage.TRAIN) // 訓(xùn)練集

        .setSampling(batchSize, true)

        .build();

Mnist validationDataset = Mnist.builder()

        .optUsage(Usage.TEST) // 驗(yàn)證集

        .setSampling(batchSize, true)

        .build();

這段代碼分別制作出了訓(xùn)練和驗(yàn)證集。同時(shí)我們也隨機(jī)排列了數(shù)據(jù)集從而更好的訓(xùn)練。除了這些配置以外，你也可以添加對(duì)于圖片的進(jìn)一步處理，比如設(shè)置圖片大小，對(duì)圖片進(jìn)行歸一化等處理。

制作 model（建立 Block）

當(dāng)你的數(shù)據(jù)集準(zhǔn)備就緒后，我們就可以構(gòu)建神經(jīng)網(wǎng)絡(luò)了。在 DJL 中，神經(jīng)網(wǎng)絡(luò)是由 Block（代碼塊）構(gòu)成的。一個(gè) Block 是一個(gè)具備多種神經(jīng)網(wǎng)絡(luò)特性的結(jié)構(gòu)。它們可以代表 一個(gè)操作, 神經(jīng)網(wǎng)絡(luò)的一部分，甚至是一個(gè)完整的神經(jīng)網(wǎng)絡(luò)。然后 Block 可以順序執(zhí)行或者并行。同時(shí) Block 本身也可以帶參數(shù)和子 Block。這種嵌套結(jié)構(gòu)可以幫助我們構(gòu)造一個(gè)復(fù)雜但又不失維護(hù)性的神經(jīng)網(wǎng)絡(luò)。在訓(xùn)練過程中，每個(gè) Block 中附帶的參數(shù)會(huì)被實(shí)時(shí)更新，同時(shí)也包括它們的各個(gè)子 Block。這種遞歸更新的過程可以確保整個(gè)神經(jīng)網(wǎng)絡(luò)得到充分訓(xùn)練。

當(dāng)我們構(gòu)建這些 Block 的過程中，最簡(jiǎn)單的方式就是將它們一個(gè)一個(gè)的嵌套起來。直接使用準(zhǔn)備好 DJL 的 Block 種類，我們就可以快速制作出各類神經(jīng)網(wǎng)絡(luò)。

根據(jù)幾種基本的神經(jīng)網(wǎng)絡(luò)工作模式，我們提供了幾種 Block 的變體。SequentialBlock 是為了應(yīng)對(duì)順序執(zhí)行每一個(gè)子 Block 構(gòu)造而成的。它會(huì)將前一個(gè)子 Block 的輸出作為下一個(gè) Block 的輸入 繼續(xù)執(zhí)行到底。與之對(duì)應(yīng)的，是 ParallelBlock 它用于將一個(gè)輸入并行輸入到每一個(gè)子 Block 中，同時(shí)將輸出結(jié)果根據(jù)特定的合并方程合并起來。最后我們說一下 LambdaBlock，它是幫助用戶進(jìn)行快速操作的一個(gè) Block，其中并不具備任何參數(shù)，所以也沒有任何部分在訓(xùn)練過程中更新。

我們來嘗試創(chuàng)建一個(gè)基本的 多層感知機(jī)（MLP）神經(jīng)網(wǎng)絡(luò)吧。多層感知機(jī)是一個(gè)簡(jiǎn)單的前向型神經(jīng)網(wǎng)絡(luò)，它只包含了幾個(gè)全連接層 （LinearBlock）。那么構(gòu)建這個(gè)網(wǎng)絡(luò)，我們可以直接使用 SequentialBlock。

int input = 28 * 28; // 輸入層大小

int output = 10; // 輸出層大小

int[] hidden = new int[] {128, 64}; // 隱藏層大小

SequentialBlock sequentialBlock = new SequentialBlock();

sequentialBlock.add(Blocks.batchFlattenBlock(input));

for (int hiddenSize : hidden) {

// 全連接層

    sequentialBlock.add(Linear.builder().setUnits(hiddenSize).build());

// 激活函數(shù)

    sequentialBlock.add(activation);

}

sequentialBlock.add(Linear.builder().setUnits(output).build());

當(dāng)然 DJL 也提供了直接就可以拿來用的 MLP Block :

Block block = new Mlp(

        Mnist.IMAGE_HEIGHT * Mnist.IMAGE_WIDTH,

        Mnist.NUM_CLASSES,

new int[] {128, 64});

訓(xùn)練

當(dāng)我們準(zhǔn)備好數(shù)據(jù)集和神經(jīng)網(wǎng)絡(luò)之后，就可以開始訓(xùn)練模型了。在深度學(xué)習(xí)中，一般會(huì)由下面幾步來完成一個(gè)訓(xùn)練過程：

初始化：我們會(huì)對(duì)每一個(gè) Block 的參數(shù)進(jìn)行初始化，初始化每個(gè)參數(shù)的函數(shù)都是由 設(shè)定的 Initializer 決定的。

前向傳播：這一步將輸入數(shù)據(jù)在神經(jīng)網(wǎng)絡(luò)中逐層傳遞，然后產(chǎn)生輸出數(shù)據(jù)。

計(jì)算損失：我們會(huì)根據(jù)特定的損失函數(shù) Loss 來計(jì)算輸出和標(biāo)記結(jié)果的偏差。

反向傳播：在這一步中，你可以利用損失反向求導(dǎo)算出每一個(gè)參數(shù)的梯度。

更新權(quán)重：我們會(huì)根據(jù)選擇的優(yōu)化器（Optimizer）更新每一個(gè)在 Block 上參數(shù)的值。

DJL 利用了 Trainer 結(jié)構(gòu)體精簡(jiǎn)了整個(gè)過程。開發(fā)者只需要?jiǎng)?chuàng)建 Trainer 并指定對(duì)應(yīng)的 Initializer、Loss 和 Optimizer 即可。這些參數(shù)都是由 TrainingConfig 設(shè)定的。下面我們來看一下具體的參數(shù)設(shè)置：

TrainingListener：這個(gè)是對(duì)訓(xùn)練過程設(shè)定的監(jiān)聽器。它可以實(shí)時(shí)反饋每個(gè)階段的訓(xùn)練結(jié)果。這些結(jié)果可以用于記錄訓(xùn)練過程或者幫助 debug 神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中的問題。用戶也可以定制自己的 TrainingListener 來對(duì)訓(xùn)練過程進(jìn)行監(jiān)聽。

DefaultTrainingConfig config = new DefaultTrainingConfig(Loss.softmaxCrossEntropyLoss())

    .addEvaluator(new Accuracy())

    .addTrainingListeners(TrainingListener.Defaults.logging());

try (Trainer trainer = model.newTrainer(config)){

// 訓(xùn)練代碼

}

當(dāng)訓(xùn)練器產(chǎn)生后，我們可以定義輸入的 Shape。之后就可以調(diào)用 fit 函數(shù)來進(jìn)行訓(xùn)練。fit 函數(shù)會(huì)對(duì)輸入數(shù)據(jù)，訓(xùn)練多個(gè) epoch 是并最終將結(jié)果存儲(chǔ)在本地目錄下。

/*

 * MNIST 包含 28x28 灰度圖片并導(dǎo)入成 28 * 28 NDArray。

 * 第一個(gè)維度是批大小, 在這里我們?cè)O(shè)置批大小為 1 用于初始化。

 */

Shape inputShape = new Shape(1, Mnist.IMAGE_HEIGHT * Mnist.IMAGE_WIDTH);

int numEpoch = 5;

String outputDir = "/build/model";

// 用輸入初始化 trainer

trainer.initialize(inputShape);

TrainingUtils.fit(trainer, numEpoch, trainingSet, validateSet, outputDir, "mlp");

這就是訓(xùn)練過程的全部流程了！用 DJL 訓(xùn)練是不是還是很輕松的？之后看一下輸出每一步的訓(xùn)練結(jié)果。如果你用了我們默認(rèn)的監(jiān)聽器，那么輸出是類似于下圖：

[INFO ] - Downloading libmxnet.dylib ...

[INFO ] - Training on: cpu().

[INFO ] - Load MXNet Engine Version 1.7.0 in 0.131 ms.

Training:    100% |████████████████████████████████████████| Accuracy: 0.93, SoftmaxCrossEntropyLoss: 0.24, speed: 1235.20 items/sec

Validating:  100% |████████████████████████████████████████|

[INFO ] - Epoch 1 finished.

[INFO ] - Train: Accuracy: 0.93, SoftmaxCrossEntropyLoss: 0.24

[INFO ] - Validate: Accuracy: 0.95, SoftmaxCrossEntropyLoss: 0.14

Training:    100% |████████████████████████████████████████| Accuracy: 0.97, SoftmaxCrossEntropyLoss: 0.10, speed: 2851.06 items/sec

Validating:  100% |████████████████████████████████████████|

[INFO ] - Epoch 2 finished.NG [1m 41s]

[INFO ] - Train: Accuracy: 0.97, SoftmaxCrossEntropyLoss: 0.10

[INFO ] - Validate: Accuracy: 0.97, SoftmaxCrossEntropyLoss: 0.09

[INFO ] - train P50: 12.756 ms, P90: 21.044 ms

[INFO ] - forward P50: 0.375 ms, P90: 0.607 ms

[INFO ] - training-metrics P50: 0.021 ms, P90: 0.034 ms

[INFO ] - backward P50: 0.608 ms, P90: 0.973 ms

[INFO ] - step P50: 0.543 ms, P90: 0.869 ms

[INFO ] - epoch P50: 35.989 s, P90: 35.989 s

當(dāng)訓(xùn)練結(jié)果完成后，我們可以用剛才的模型進(jìn)行推理來識(shí)別手寫數(shù)字。如果剛才的內(nèi)容哪里有不是很清楚的，可以參照下面兩個(gè)鏈接直接嘗試訓(xùn)練。

手寫數(shù)據(jù)集訓(xùn)練：

https://docs.djl.ai/examples/docs/train_mnist_mlp.html

手寫數(shù)據(jù)集推理：

https://docs.djl.ai/jupyter/tutorial/03_image_classification_with_your_model.html

最后

在這個(gè)文章中，我們介紹了深度學(xué)習(xí)的基本概念，同時(shí)還有如何優(yōu)雅的利用 DJL 構(gòu)建深度學(xué)習(xí)模型并進(jìn)行訓(xùn)練。DJL 也提供了更加多樣的數(shù)據(jù)集和神經(jīng)網(wǎng)絡(luò)。

Deep Java Library（DJL）是一個(gè)基于 Java 的深度學(xué)習(xí)框架，同時(shí)支持訓(xùn)練以及推理。DJL 博取眾長(zhǎng)，構(gòu)建在多個(gè)深度學(xué)習(xí)框架之上 (TenserFlow、PyTorch、MXNet 等) 也同時(shí)具備多個(gè)框架的優(yōu)良特性。你可以輕松使用 DJL 來進(jìn)行訓(xùn)練然后部署你的模型。

它同時(shí)擁有著強(qiáng)大的模型庫支持：只需一行便可以輕松讀取各種預(yù)訓(xùn)練的模型。現(xiàn)在 DJL 的模型庫同時(shí)支持高達(dá) 70 多個(gè)來自 GluonCV、 HuggingFace、TorchHub 以及 Keras 的模型。

項(xiàng)目地址：https://github.com/awslabs/djl/