前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >亲耳“听见”神经网络的声音:梯度变化一听即可辨别(附代码)

亲耳“听见”神经网络的声音:梯度变化一听即可辨别(附代码)

作者头像
新智元
发布2019-08-06 10:27:00
3650
发布2019-08-06 10:27:00
举报
文章被收录于专栏:新智元

新智元报道

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。

“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。

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。

代码语言:javascript
复制
  1import pyaudio
  2import numpy as np
  3import wave
  4
  5import torch
  6import torch.nn as nn
  7import torch.nn.functional as F
  8import torch.optim as optim
  9from torchvision import datasets, transforms
 10
 11
 12class 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
 36def 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
 45def 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
 51def 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
101def 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
119if __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/

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-08-05,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 新智元 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 【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。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档