Automatisation de l'optimisation des hyperparamètres de Keras avec Talos
Un modèle Deep Learning n'est PAS une boîte noire. Il faut le régler pour obtenir de bonnes performances.
Dans les deux billets précédents, je vous ai montré mes premiers pas avec Keras. J'ai utilisé des exemples trouvés sur Internet et modifié l'ensemble de données en quelque chose de trivial, c'est-à-dire que j'ai généré les données moi-même et que je connais les valeurs attendues. Mais je vous ai également dit que je n'avais aucune idée de la raison pour laquelle des paramètres comme les neurones, les époques, le batch_size avaient ces valeurs.
Donc, ce que nous avons n'est pas vraiment une boîte noire. À l'extérieur, il y a aussi des interrupteurs et des vis qui nécessitent toute notre attention. Dans ce billet, j'utilise Talos, 'Hyperparameter Optimization for Keras, TensorFlow (tf.keras) and PyTorch', voir les liens ci-dessous, qui est destiné à automatiser le processus de sélection des paramètres optimaux.
A la fin de ce post se trouve le code pour que vous puissiez l'essayer vous-même.
Hyperparamètres
Les paramètres comme les neurones, les époques et la taille des lots sont appelés hyperparamètres, et leur réglage est essentiel pour une bonne performance du modèle. Il existe sur Internet des articles intéressants sur la façon d'ajuster ces paramètres. On peut appeler cela le Saint Graal des réseaux neuronaux : l'optimisation des hyperparamètres. Site Web de Merriam-Webster : Le Saint Graal est un objet ou un but recherché pour sa grande signification. Si vous ne savez pas ce que vous faites, il est facile de sélectionner des paramètres non optimaux, voire totalement erronés.
Fonctions de perte
Pour effectuer une optimisation, nous avons besoin de valeurs qui indiquent les performances de notre modèle. Ces valeurs sont calculées par les fonctions de perte. Nous utilisons différentes fonctions de perte pour la régression et la classification. Voir par exemple l'article 'Overview of loss functions for Machine Learning', voir les liens ci-dessous.
Fonctions de perte de régression :
- Mean Squared Error (MSE)
- Mean Absolute Error (MAE)
- Huber
- Log-Cosh
- Quantile
Class Fonctions de perte de qualification :
- Binary Cross Entropy
- Multi-Class Cross Entropy
Talos résumé
J'aime bien la phrase de l'article " Hyperparameter Optimization with Keras ", voir les liens ci-dessous :
Ne vous méprenez pas ; MÊME SI NOUS FAISONS GET LE MÉTRIQUE DE PERFORMANCE BIEN (oui je crie), nous devons considérer ce qui se passe dans le processus d'optimisation d'un modèle.
Avec Talos , nous paramétrons notre modèle. Le nombre de combinaisons d'époques, de batch_size, etc. peut être énorme. Talos choisit au hasard un certain nombre de combinaisons et crée le nouveau modèle avec des données d'entraînement et de validation. Cela peut prendre quelques minutes, mais aussi des heures, voire des jours.
Une fois l'analyse terminée, nous pouvons utiliser les scores, modifier les valeurs des paramètres et/ou en ajouter d'autres et recommencer. Pendant ce temps, nous pouvons faire autre chose, comme boire un café, parler à un ami ou, mieux encore, essayer d'en savoir plus sur l'optimisation Machine Learning . Voyons comment cela fonctionne.
Exemple
Je vais exécuter Talos pour un modèle Neural Network très simple basé sur 'Keras 101: A simple (and interpretable) Neural Network model for House Pricing regression', voir les liens ci-dessous.
Le jeu de données est généré avec cette fonction :
# define input sequence
def fx(x0, x1):
y = x0 + 2*x1
return y
Le modèle :
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'])
Et la fonction d'ajustement :
history = model.fit(X_train, y_train, epochs=100, validation_split=0.05)
Comme je vous l'ai déjà dit, je ne sais pas pourquoi les paramètres ont ces valeurs. Ok, enfin un peu.
Talos
Pour utiliser ceci dans Talos , nous remplaçons les paramètres codés en dur par des variables qui peuvent être contrôlées par Talos. Tout d'abord, nous créons un dictionnaire de paramètres avec les valeurs que nous voulons faire varier. Ne commencez pas avec tous les paramètres que vous voulez modifier. Avant que vous le sachiez, vous attendrez et attendrez encore. Aussi, j'ai commencé par exemple le paramètre batch_size avec deux valeurs éloignées l'une de l'autre pour avoir une idée. Avec les paramètres ci-dessous, Talos a fait 16 exécutions et le temps total sur mon PC (sans GPU) était de 42 secondes.
# parameters
p = dict(
first_neuron=[24, 192],
activation=['relu', 'elu'],
epochs=[50, 200],
batch_size=[8, 32]
)
Ensuite, nous changeons le modèle pour 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'],
)
Et la fonction d'ajustement devient :
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,
)
Exécuter Talos et analyser.
C'est l'heure de l'exécution ! Après l'exécution, j'imprime le tableau complet des résultats.
# 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))
Voici le tableau. Notez qu'il est trié par val_loss, ce qui signifie que la dernière ligne est la gagnante :
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
En regardant les données, nous voyons que epochs=200 donne de bien meilleurs résultats que epochs=50. Nous pouvons le changer à 100 pour voir si cela est également bon. Le batch_size=8 donne aussi de meilleurs résultats que le batch_size=32. Nous pouvons le changer en 16 pour voir si c'est également bon. Nous pouvons aussi essayer de réduire first_neuron. Les nouveaux paramètres pour Talos :
p = dict(
first_neuron=[128, 192],
activation=['relu', 'elu'],
epochs=[100, 200],
batch_size=[8, 16]
)
Faisons un nouvel essai avec ces valeurs. Le résultat :
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
Les meilleurs résultats se sont améliorés mais pas tant que ça. Le epochs=200 est toujours le meilleur ainsi que le batch_size=8. Les paramètres finaux sont :
p = dict(
first_neuron=192,
activation='relu',
epochs=200,
batch_size=8,
)
Code complet
Voici le code au cas où vous voudriez essayer vous-même. Sélectionnez 'run_optimizer' pour exécuter Talos. L'ensemble de données est divisé en données de formation et en données de test. Les données de formation sont à nouveau divisées en données de formation et en données de validation.
Après avoir exécuté l'optimiseur, vous pouvez introduire les nouvelles valeurs des paramètres dans le modèle, générer des graphiques, exécuter une évaluation par rapport aux données de test et effectuer quelques prédictions.
# 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))
Quelques réflexions
Convergeons-nous vraiment dans la bonne direction ? Il s'agit d'un problème très complexe. Nous avons un monde à N dimensions avec des hauts et des bas partout. Cela signifie que le point de départ peut être très important. En fin de compte, vous devriez toujours faire un essai avec autant de paramètres que possible. Si vous disposez d'un grand ensemble de données, vous devez commencer par le réduire en choisissant des échantillons aléatoires.
J'espère qu'il est clair que vous devez avoir une très bonne compréhension de ce que vous faites. Mais un système dont la vitesse est optimisée (coûteux GPU) aide aussi beaucoup.
Résumé
Talos est un très bon outil qui fait beaucoup de travail pour vous. La documentation pourrait être améliorée mais je ne me plains pas. Il a beaucoup plus de fonctionnalités mais je ne les ai pas toutes essayées. Je n'ai pas pu faire fonctionner mes exemples (en plusieurs étapes) de univariate LSTM avec cet outil en raison de la nature plus complexe de l'ensemble de données. Je dois examiner cela de plus près.
Pouvons-nous optimiser l'optimiseur ? Bien sûr. Dans une prochaine étape, nous pourrions prendre les résultats du tableau et les faire analyser automatiquement pour faire une nouvelle sélection des paramètres pour la prochaine exécution.
Liens / crédits
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
En savoir plus...
Deep Learning Machine Learning
Récent
- Masquer les clés primaires de la base de données UUID de votre application web
- Don't Repeat Yourself (DRY) avec Jinja2
- SQLAlchemy, PostgreSQL, nombre maximal de lignes par user
- Afficher les valeurs des filtres dynamiques SQLAlchemy
- Transfert de données sécurisé grâce au cryptage à Public Key et à pyNaCl
- rqlite : une alternative à haute disponibilité et dist distribuée SQLite
Les plus consultés
- Utilisation des Python's pyOpenSSL pour vérifier les certificats SSL téléchargés d'un hôte
- Utiliser UUIDs au lieu de Integer Autoincrement Primary Keys avec SQLAlchemy et MariaDb
- Connexion à un service sur un hôte Docker à partir d'un conteneur Docker
- Utiliser PyInstaller et Cython pour créer un exécutable Python
- SQLAlchemy : Utilisation de Cascade Deletes pour supprimer des objets connexes
- Flask RESTful API validation des paramètres de la requête avec les schémas Marshmallow