首页 互联网资讯 CRM系统-亲耳“听见”神经网络的声音:梯度变化一听即可辨别(附代码)

CRM系统-亲耳“听见”神经网络的声音:梯度变化一听即可辨别(附代码)

互联网资讯 876
新智元(ID:AI_era),发布于 2019-08-05 14:49,

  来源:Reddit 等  编辑:金磊、鹏飞

  【新智元导读】训练神经网络可以用听的!Reddit 网友做了一个非常有趣的实验:将每个神经网络层梯度范式转换成了一个音调,这样人类就可以凭借听觉,来很好的分辨出非常小的干扰,比如节奏和音调。

  训练神经网络还可以用“听”的!

  网友做了一个非常有趣的实验:将每个神经网络层梯度范式转换成了一个音调,这样人类就可以凭借听觉,来很好的分辨出非常小的干扰,比如节奏和音调。

  以往,我们在训练神经网络的时候,通常会测量许多不同的指标,例如精度、损失以及梯度等等。这些工作大部分是在 TensorBoard 上聚合上述度量指标并且绘制可视化。

  但除了视觉之外,有 Reddit 网友提出:用听觉也可以监控神经网络的训练

  博客地址:

  http://blog.christianperone.com/2019/08/listening-to-the-neural-network-gradient-norms-during-training/

  声音是目前神经网络训练中研究较少的一个方向。人类的听觉可以很好的分辨出非常小的干扰(即使这些干扰时间很短或很细微),比如节奏和音高。

  在这个实验中,研究者做了一个非常简单的例子,显示了使用每层的梯度范数进行的合成声音,以及使用不同设置(如不同学习率、优化器,动量等)对 MNIST 进行卷积神经网络训练的步骤等。

  看到这个结果,Reddit 网友嗨了,纷纷开发脑洞。

  MLApprentice

这真太了不起了。我一直在寻找直观体验渐变的方法,我觉得只看直方图时很难注意到训练模式。你有没有想过用图层深度来控制音高并使用音量来表示规范呢?这样我们光靠听音高就能知道是第几层了。

  klaysDoodle

10 层网络以后,我聋了

  MLApprentice

楼上你太搞笑了。你可以将深度标准化,使其保持在人类听觉范围内就可以。

  gohu_cd

很有意思!我想知道这是否有助于调试神经网络训练。因为其中存在不同的加权损失,甚至是对抗的(例如 GAN)。因为视觉和听觉都是感官,查看图表或听觉声音应该具有相同数量的信息。可以用对应于加权梯度的所有声音创建一个“交响乐”,也许这对于确定每个损失的正确权重是有用的。

  在下文给出的实验中,你需要安装 PyAudio 和 PyTorch 来运行代码。

  一、“听见”神经网络的声音

  如下训练神经网络的声音可跳转至下方链接听:

  http://blog.christianperone.com/2019/08/listening-to-the-neural-network-gradient-norms-during-training/  

  用 LR 0.01 和 SGD 训练声音

  下面这个音频片段表示在第一个 epoch 的前 200 步中使用 4 个层的梯度,并使用 10 个 batche 大小的训练会话。音高越高,一个神经网络层的标准值就越高,不同的 batche 之间会有短暂的静音。

  用 LR 0.1 的 SGD 训练声音

  同上,但是学习率更高了。

  用 LR 1.0 的 SGD 训练声音

  同上,但是随着学习率的提高,神经网络产生发散(diverge)。

  用 LR 1.0、BS 256 的 SGD 训练声音

  设置是相同的,但是学习率高达 1.0,batche 大小为 256。

  用 LR 0.01 的 Adam 训练声音

  与 SGD 的设置相同,但使用的是 Adam。

  二、源代码展示

  以下是实验的全部源代码,有兴趣的读者可以上手试一下。

  1 import pyaudio
  2 import numpy as np
  3 import wave
  4
  5 import torch
  6 import torch.nn as nn
  7 import torch.nn.functional as F
  8 import torch.optim as optim
  9 from torchvision import datasets, transforms
 10
 11
 12 class Net (nn.Module):
 13    def __init__(self):
 14        super (Net, self).__init__()
 15        self.conv1 = nn.Conv2d (1, 20, 5, 1)
 16        self.conv2 = nn.Conv2d (20, 50, 5, 1)
 17        self.fc1 = nn.Linear (4*4*50, 500)
 18        self.fc2 = nn.Linear (500, 10)
 19
 20        self.ordered_layers = [self.conv1,
 21                               self.conv2,
 22                               self.fc1,
 23                               self.fc2]
 24
 25    def forward (self, x):
 26        x = F.relu (self.conv1(x))
 27        x = F.max_pool2d (x, 2, 2)
 28        x = F.relu (self.conv2(x))
 29        x = F.max_pool2d (x, 2, 2)
 30        x = x.view (-1, 4*4*50)
 31        x = F.relu (self.fc1(x))
 32        x = self.fc2(x)
 33        return F.log_softmax (x, dim=1)
 34
 35
 36 def open_stream (fs):
 37    p = pyaudio.PyAudio ()
 38    stream = p.open (format=pyaudio.paFloat32,
 39                    channels=1,
 40                    rate=fs,
 41                    output=True)
 42    return p, stream
 43
 44
 45 def generate_tone (fs, freq, duration):
 46    npsin = np.sin (2 * np.pi * np.arange (fs*duration) * freq / fs)
 47    samples = npsin.astype (np.float32)
 48    return 0.1 * samples
 49
 50
 51 def train (model, device, train_loader, optimizer, epoch):
 52    model.train ()
 53
 54    fs = 44100
 55    duration = 0.01
 56    f = 200.0
 57    p, stream = open_stream (fs)
 58
 59    frames = []
 60
 61    for batch_idx, (data, target) in enumerate (train_loader):
 62        data, target = data.to (device), target.to (device)
 63        optimizer.zero_grad ()
 64        output = model (data)
 65        loss = F.nll_loss (output, target)
 66        loss.backward ()
 67
 68        norms = []
 69        for layer in model.ordered_layers:
 70            norm_grad = layer.weight.grad.norm ()
 71            norms.append (norm_grad)
 72
 73            tone = f + ((norm_grad.numpy ()) * 100.0)
 74            tone = tone.astype (np.float32)
 75            samples = generate_tone (fs, tone, duration)
 76
 77            frames.append (samples)
 78
 79        silence = np.zeros (samples.shape[0] * 2,
 80                           dtype=np.float32)
 81        frames.append (silence)
 82
 83        optimizer.step ()
 84
 85        # Just 200 steps per epoach
 86        if batch_idx == 200:
 87            break
 88
 89    wf = wave.open ("sgd_lr_1_0_bs256.wav", 'wb')
 90    wf.setnchannels (1)
 91    wf.setsampwidth (p.get_sample_size (pyaudio.paFloat32))
 92    wf.setframerate (fs)
 93    wf.writeframes (b''.join (frames))
 94    wf.close ()
 95
 96    stream.stop_stream ()
 97    stream.close ()
 98    p.terminate ()
 99
100
101 def run_main ():
102    device = torch.device ("cpu")
103
104    train_loader = torch.utils.data.DataLoader (
105        datasets.MNIST ('../data', train=True, download=True,
106                       transform=transforms.Compose ([
107                           transforms.ToTensor (),
108                           transforms.Normalize ((0.1307,), (0.3081,))
109                       ])),
110        batch_size=256, shuffle=True)
111
112    model = Net () .to (device)
113    optimizer = optim.SGD (model.parameters (), lr=0.01, momentum=0.5)
114
115    for epoch in range (1, 2):
116        train (model, device, train_loader, optimizer, epoch)
117
118
119 if __name__ == "__main__":
120    run_main ()

  Reddit 地址:

  https://www.reddit.com/r/MachineLearning/comments/clyzgx/p_listening_to_the_neural_network_gradient_norms/

  博客:

  http://blog.christianperone.com/2019/08/listening-to-the-neural-network-gradient-norms-during-training/

本站声明:本文内容来源于《亲耳“听见”神经网络的声音:梯度变化一听即可辨别(附代码)》 ,如有侵权,请联系我们,我们将及时处理。