ClassCat® AI Research

Keras 2 : examples : コンピュータビジョン – 訓練性能向上のための勾配集中化

Posted on by Sales Information

Keras 2 : examples : 訓練性能向上のための勾配集中化 (翻訳/解説)

翻訳 : (株)クラスキャット セールスインフォメーション
作成日時 : 11/19/2021 (keras 2.7.0)

* 本ページは、Keras の以下のドキュメントを翻訳した上で適宜、補足説明したものです：

* サンプルコードの動作確認はしておりますが、必要な場合には適宜、追加改変しています。
* ご自由にリンクを張って頂いてかまいませんが、sales-info@classcat.com までご一報いただけると嬉しいです。

 

クラスキャット 人工知能 研究開発支援サービス ★ 無料 Web セミナー開催中 ★

◆ クラスキャットは人工知能・テレワークに関する各種サービスを提供しております。お気軽にご相談ください :

◆ 人工知能とビジネスをテーマに WEB セミナーを定期的に開催しています。スケジュール。
  • お住まいの地域に関係なく Web ブラウザからご参加頂けます。事前登録 が必要ですのでご注意ください。
  • ウェビナー運用には弊社製品「ClassCat® Webinar」を利用しています。

◆ お問合せ : 本件に関するお問い合わせ先は下記までお願いいたします。

株式会社クラスキャット セールス・マーケティング本部 セールス・インフォメーション
E-Mail：sales-info@classcat.com  ;  WebSite: https://www.classcat.com/  ;  Facebook

 

 

Keras 2 : examples : 訓練性能向上のための勾配集中化

Description: DNN の訓練性能を向上させるための勾配集中化の実装。

 

イントロダクション

このサンプルは Yong et al. による深層ニューラルネットワークのための新しい最適化テクニック、勾配集中化 を実装してそれを Laurence Moroney の Horses or Humans データセット上で実演します。勾配集中化は訓練プロセスを高速化して DNN の最終的な汎用性能を向上させます。それは勾配ベクトルがゼロ平均を持つように集中化することにより勾配上で直接的に作用します。勾配集中化は更に、訓練プロセスがより効率的に安定的になるように、損失関数の Lipschitzness (リプシッツ性) とその勾配を改良します。

このサンプルは TensorFlow 2.2 またはそれ以上、そして tensorflow_datasets を必要とします、これはこのコマンドでインストールできます :

pip install tensorflow-datasets

このサンプルでは勾配集中化を実装していきますが、私が構築したパッケージ, gradient-centralization-tf でこれを非常に簡単に使用することもできます。

 

セットアップ

from time import time

import tensorflow as tf
import tensorflow_datasets as tfds
from tensorflow.keras import layers
from tensorflow.keras.optimizers import RMSprop

 

データの準備

このサンプルのためには、Horses or Humans データセットを使用します。

num_classes = 2
input_shape = (300, 300, 3)
dataset_name = "horses_or_humans"
batch_size = 128
AUTOTUNE = tf.data.AUTOTUNE

(train_ds, test_ds), metadata = tfds.load(
    name=dataset_name,
    split=[tfds.Split.TRAIN, tfds.Split.TEST],
    with_info=True,
    as_supervised=True,
)

print(f"Image shape: {metadata.features['image'].shape}")
print(f"Training images: {metadata.splits['train'].num_examples}")
print(f"Test images: {metadata.splits['test'].num_examples}")

Image shape: (300, 300, 3)
Training images: 1027
Test images: 256

 

データ増強の使用

データを [0, 1] に再スケールしてデータに単純な増強を実行します。

rescale = layers.Rescaling(1.0 / 255)

data_augmentation = tf.keras.Sequential(
    [
        layers.RandomFlip("horizontal_and_vertical"),
        layers.RandomRotation(0.3),
        layers.RandomZoom(0.2),
    ]
)


def prepare(ds, shuffle=False, augment=False):
    # Rescale dataset
    ds = ds.map(lambda x, y: (rescale(x), y), num_parallel_calls=AUTOTUNE)

    if shuffle:
        ds = ds.shuffle(1024)

    # Batch dataset
    ds = ds.batch(batch_size)

    # Use data augmentation only on the training set
    if augment:
        ds = ds.map(
            lambda x, y: (data_augmentation(x, training=True), y),
            num_parallel_calls=AUTOTUNE,
        )

    # Use buffered prefecting
    return ds.prefetch(buffer_size=AUTOTUNE)

データを再スケールして増強します。

train_ds = prepare(train_ds, shuffle=True, augment=True)
test_ds = prepare(test_ds)

 

モデルの定義

このセクションでは畳み込みニューラルネットワークを定義します。

model = tf.keras.Sequential(
    [
        layers.Conv2D(16, (3, 3), activation="relu", input_shape=(300, 300, 3)),
        layers.MaxPooling2D(2, 2),
        layers.Conv2D(32, (3, 3), activation="relu"),
        layers.Dropout(0.5),
        layers.MaxPooling2D(2, 2),
        layers.Conv2D(64, (3, 3), activation="relu"),
        layers.Dropout(0.5),
        layers.MaxPooling2D(2, 2),
        layers.Conv2D(64, (3, 3), activation="relu"),
        layers.MaxPooling2D(2, 2),
        layers.Conv2D(64, (3, 3), activation="relu"),
        layers.MaxPooling2D(2, 2),
        layers.Flatten(),
        layers.Dropout(0.5),
        layers.Dense(512, activation="relu"),
        layers.Dense(1, activation="sigmoid"),
    ]
)

 

勾配集中化の実装

今度は RMSProp optimizer クラスをサブクラス化して tf.keras.optimizers.Optimizer.get_gradients() メソッドを変更します、今そこで勾配集中化を実装します。高位ではそのアイデアは、Dense や Convolution 層のための逆伝播を通して勾配を得るとすると、それから重み行列の列ベクトルの平均を計算してから各列ベクトルから平均を取り除くというものです。

様々な応用での この論文 の実験は、一般的な画像分類、極め細かい画像分類、検出とセグメンテーションを含み、そして Person ReID は GC が DNN 学習のパフォーマンスを一貫して改良できることを実演します。

また、単純化のために当座は勾配クリッピング機能を実装していませんが、これは非常に簡単に実装できます。

現時点では RPSProp optimizer のサブクラスだけを作成していますが、同じ方法で任意の他の optimizer のためやカスタム optimizer 上でこれを簡単に再現できるでしょう。勾配集中化でモデルを訓練する後のセクションでこのクラスを使用していきます。

class GCRMSprop(RMSprop):
    def get_gradients(self, loss, params):
        # We here just provide a modified get_gradients() function since we are
        # trying to just compute the centralized gradients.

        grads = []
        gradients = super().get_gradients()
        for grad in gradients:
            grad_len = len(grad.shape)
            if grad_len > 1:
                axis = list(range(grad_len - 1))
                grad -= tf.reduce_mean(grad, axis=axis, keep_dims=True)
            grads.append(grad)

        return grads


optimizer = GCRMSprop(learning_rate=1e-4)

 

訓練ユティリティ

合計訓練時間と各エポックのためにかかる時間を簡単に測定することを可能にするコールバックも作成します、何故ならば上記で構築したモデル上で勾配集中化の効果を比較することに関心があるからです。

class TimeHistory(tf.keras.callbacks.Callback):
    def on_train_begin(self, logs={}):
        self.times = []

    def on_epoch_begin(self, batch, logs={}):
        self.epoch_time_start = time()

    def on_epoch_end(self, batch, logs={}):
        self.times.append(time() - self.epoch_time_start)

 

GC なしでモデルを訓練する

次に勾配集中化なしで先に構築したモデルを訓練します、これを勾配集中化で訓練されたモデルの訓練性能と比較できます。

time_callback_no_gc = TimeHistory()
model.compile(
    loss="binary_crossentropy",
    optimizer=RMSprop(learning_rate=1e-4),
    metrics=["accuracy"],
)

model.summary()

Model: "sequential_1"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d (Conv2D)              (None, 298, 298, 16)      448       
_________________________________________________________________
max_pooling2d (MaxPooling2D) (None, 149, 149, 16)      0         
_________________________________________________________________
conv2d_1 (Conv2D)            (None, 147, 147, 32)      4640      
_________________________________________________________________
dropout (Dropout)            (None, 147, 147, 32)      0         
_________________________________________________________________
max_pooling2d_1 (MaxPooling2 (None, 73, 73, 32)        0         
_________________________________________________________________
conv2d_2 (Conv2D)            (None, 71, 71, 64)        18496     
_________________________________________________________________
dropout_1 (Dropout)          (None, 71, 71, 64)        0         
_________________________________________________________________
max_pooling2d_2 (MaxPooling2 (None, 35, 35, 64)        0         
_________________________________________________________________
conv2d_3 (Conv2D)            (None, 33, 33, 64)        36928     
_________________________________________________________________
max_pooling2d_3 (MaxPooling2 (None, 16, 16, 64)        0         
_________________________________________________________________
conv2d_4 (Conv2D)            (None, 14, 14, 64)        36928     
_________________________________________________________________
max_pooling2d_4 (MaxPooling2 (None, 7, 7, 64)          0         
_________________________________________________________________
flatten (Flatten)            (None, 3136)              0         
_________________________________________________________________
dropout_2 (Dropout)          (None, 3136)              0         
_________________________________________________________________
dense (Dense)                (None, 512)               1606144   
_________________________________________________________________
dense_1 (Dense)              (None, 1)                 513       
=================================================================
Total params: 1,704,097
Trainable params: 1,704,097
Non-trainable params: 0
_________________________________________________________________

後で勾配集中化で訓練されたモデルと訓練されていないモデルを比較することを望むために、履歴も保存します。

history_no_gc = model.fit(
    train_ds, epochs=10, verbose=1, callbacks=[time_callback_no_gc]
)

Epoch 1/10
9/9 [==============================] - 5s 571ms/step - loss: 0.7427 - accuracy: 0.5073
Epoch 2/10
9/9 [==============================] - 6s 667ms/step - loss: 0.6757 - accuracy: 0.5433
Epoch 3/10
9/9 [==============================] - 6s 660ms/step - loss: 0.6616 - accuracy: 0.6144
Epoch 4/10
9/9 [==============================] - 6s 642ms/step - loss: 0.6598 - accuracy: 0.6203
Epoch 5/10
9/9 [==============================] - 6s 666ms/step - loss: 0.6782 - accuracy: 0.6329
Epoch 6/10
9/9 [==============================] - 6s 655ms/step - loss: 0.6550 - accuracy: 0.6524
Epoch 7/10
9/9 [==============================] - 6s 645ms/step - loss: 0.6157 - accuracy: 0.7186
Epoch 8/10
9/9 [==============================] - 6s 654ms/step - loss: 0.6095 - accuracy: 0.6913
Epoch 9/10
9/9 [==============================] - 6s 677ms/step - loss: 0.5880 - accuracy: 0.7147
Epoch 10/10
9/9 [==============================] - 6s 663ms/step - loss: 0.5814 - accuracy: 0.6933

(訳注: 実験結果)

Epoch 1/10
9/9 [==============================] - 32s 845ms/step - loss: 0.8171 - accuracy: 0.5122
Epoch 2/10
9/9 [==============================] - 16s 1s/step - loss: 0.6904 - accuracy: 0.5355
Epoch 3/10
9/9 [==============================] - 16s 1s/step - loss: 0.6769 - accuracy: 0.5706
Epoch 4/10
9/9 [==============================] - 16s 1s/step - loss: 0.6558 - accuracy: 0.6173
Epoch 5/10
9/9 [==============================] - 16s 1s/step - loss: 0.6951 - accuracy: 0.6203
Epoch 6/10
9/9 [==============================] - 16s 1s/step - loss: 0.6367 - accuracy: 0.6485
Epoch 7/10
9/9 [==============================] - 16s 1s/step - loss: 0.6208 - accuracy: 0.6680
Epoch 8/10
9/9 [==============================] - 16s 1s/step - loss: 0.6172 - accuracy: 0.6504
Epoch 9/10
9/9 [==============================] - 16s 1s/step - loss: 0.5874 - accuracy: 0.6952
Epoch 10/10
9/9 [==============================] - 16s 1s/step - loss: 0.5466 - accuracy: 0.7556
CPU times: user 5min 16s, sys: 5.42 s, total: 5min 21s
Wall time: 3min 23s

 

GC でモデルを訓練する

次に、同じモデルを訓練しますが、今回は勾配集中化を使用しています、私達の optimizer が今回は勾配集中化を使用しているものであることに注意してください。

time_callback_gc = TimeHistory()
model.compile(loss="binary_crossentropy", optimizer=optimizer, metrics=["accuracy"])

model.summary()

history_gc = model.fit(train_ds, epochs=10, verbose=1, callbacks=[time_callback_gc])

Model: "sequential_1"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d (Conv2D)              (None, 298, 298, 16)      448       
_________________________________________________________________
max_pooling2d (MaxPooling2D) (None, 149, 149, 16)      0         
_________________________________________________________________
conv2d_1 (Conv2D)            (None, 147, 147, 32)      4640      
_________________________________________________________________
dropout (Dropout)            (None, 147, 147, 32)      0         
_________________________________________________________________
max_pooling2d_1 (MaxPooling2 (None, 73, 73, 32)        0         
_________________________________________________________________
conv2d_2 (Conv2D)            (None, 71, 71, 64)        18496     
_________________________________________________________________
dropout_1 (Dropout)          (None, 71, 71, 64)        0         
_________________________________________________________________
max_pooling2d_2 (MaxPooling2 (None, 35, 35, 64)        0         
_________________________________________________________________
conv2d_3 (Conv2D)            (None, 33, 33, 64)        36928     
_________________________________________________________________
max_pooling2d_3 (MaxPooling2 (None, 16, 16, 64)        0         
_________________________________________________________________
conv2d_4 (Conv2D)            (None, 14, 14, 64)        36928     
_________________________________________________________________
max_pooling2d_4 (MaxPooling2 (None, 7, 7, 64)          0         
_________________________________________________________________
flatten (Flatten)            (None, 3136)              0         
_________________________________________________________________
dropout_2 (Dropout)          (None, 3136)              0         
_________________________________________________________________
dense (Dense)                (None, 512)               1606144   
_________________________________________________________________
dense_1 (Dense)              (None, 1)                 513       
=================================================================
Total params: 1,704,097
Trainable params: 1,704,097
Non-trainable params: 0
_________________________________________________________________
Epoch 1/10
9/9 [==============================] - 6s 673ms/step - loss: 0.6022 - accuracy: 0.7147
Epoch 2/10
9/9 [==============================] - 6s 662ms/step - loss: 0.5385 - accuracy: 0.7371
Epoch 3/10
9/9 [==============================] - 6s 673ms/step - loss: 0.4832 - accuracy: 0.7945
Epoch 4/10
9/9 [==============================] - 6s 645ms/step - loss: 0.4692 - accuracy: 0.7799
Epoch 5/10
9/9 [==============================] - 6s 720ms/step - loss: 0.4792 - accuracy: 0.7799
Epoch 6/10
9/9 [==============================] - 6s 658ms/step - loss: 0.4623 - accuracy: 0.7838
Epoch 7/10
9/9 [==============================] - 6s 651ms/step - loss: 0.4413 - accuracy: 0.8072
Epoch 8/10
9/9 [==============================] - 6s 682ms/step - loss: 0.4542 - accuracy: 0.8014
Epoch 9/10
9/9 [==============================] - 6s 649ms/step - loss: 0.4235 - accuracy: 0.8053
Epoch 10/10
9/9 [==============================] - 6s 686ms/step - loss: 0.4445 - accuracy: 0.7936

_________________________________________________________________
Epoch 1/10
9/9 [==============================] - 17s 1s/step - loss: 0.6150 - accuracy: 0.7186
Epoch 2/10
9/9 [==============================] - 16s 1s/step - loss: 0.5451 - accuracy: 0.7790
Epoch 3/10
9/9 [==============================] - 16s 1s/step - loss: 0.4838 - accuracy: 0.7848
Epoch 4/10
9/9 [==============================] - 16s 1s/step - loss: 0.4931 - accuracy: 0.7877
Epoch 5/10
9/9 [==============================] - 16s 1s/step - loss: 0.4724 - accuracy: 0.7868
Epoch 6/10
9/9 [==============================] - 16s 1s/step - loss: 0.4608 - accuracy: 0.7907
Epoch 7/10
9/9 [==============================] - 16s 1s/step - loss: 0.4318 - accuracy: 0.8072
Epoch 8/10
9/9 [==============================] - 16s 1s/step - loss: 0.4191 - accuracy: 0.8218
Epoch 9/10
9/9 [==============================] - 16s 1s/step - loss: 0.4374 - accuracy: 0.8140
Epoch 10/10
9/9 [==============================] - 16s 1s/step - loss: 0.4185 - accuracy: 0.8286
CPU times: user 5min 13s, sys: 3.65 s, total: 5min 17s
Wall time: 3min 17s

 

パフォーマンスの比較

print("Not using Gradient Centralization")
print(f"Loss: {history_no_gc.history['loss'][-1]}")
print(f"Accuracy: {history_no_gc.history['accuracy'][-1]}")
print(f"Training Time: {sum(time_callback_no_gc.times)}")

print("Using Gradient Centralization")
print(f"Loss: {history_gc.history['loss'][-1]}")
print(f"Accuracy: {history_gc.history['accuracy'][-1]}")
print(f"Training Time: {sum(time_callback_gc.times)}")

Not using Gradient Centralization
Loss: 0.5814347863197327
Accuracy: 0.6932814121246338
Training Time: 136.35903406143188
Using Gradient Centralization
Loss: 0.4444807469844818
Accuracy: 0.7935734987258911
Training Time: 131.61780261993408

Not using Gradient Centralization
Loss: 0.5465568900108337
Accuracy: 0.7555988430976868
Training Time: 177.4813995361328
Using Gradient Centralization
Loss: 0.4184599816799164
Accuracy: 0.8286270499229431
Training Time: 162.773184299469

読者は異なるドメインからの異なるデータセットで勾配集中化を試してその効果で実験することを勧めます。元の論文 を確認することも強く勧めます – 著者は、勾配集中化がそれがどのように一般的な性能、汎化性能、訓練時間を改良できてそしてより効率的であるかを示す幾つかの研究を提示しています。

Many thanks to Ali Mustufa Shaikh for reviewing this implementation.

 

以上