作者 | Arseny Kravchenko

編譯 | ronghuaiyang

人是不完美的，我們經(jīng)常在軟件中犯錯誤。有時這些錯誤很容易發(fā)現(xiàn)：你的代碼根本不能工作，你的應(yīng)用程序崩潰等等。但是有些bug是隱藏的，這使得它們更加危險。

在解決深度學(xué)習(xí)問題時，由于一些不確定性，很容易出現(xiàn)這種類型的bug：很容易看到web應(yīng)用程序路由請求是否正確，而不容易檢查你的梯度下降步驟是否正確。然而，有很多錯誤是可以避免的。

我想分享一些我的經(jīng)驗(yàn)，關(guān)于我在過去兩年的計算機(jī)視覺工作中看到或制造的錯誤。我之前有談到過這個話題，很多人告訴我：“是的，我也有很多這樣的bug?！蔽蚁Ｍ业奈恼驴梢詭椭阒辽俦苊馄渲械囊恍﹩栴}。

1. 翻轉(zhuǎn)圖片以及關(guān)鍵點(diǎn)

假設(shè)在關(guān)鍵點(diǎn)檢測的問題上。數(shù)據(jù)看起來像一對圖像和一系列的關(guān)鍵點(diǎn)元組。其中每個關(guān)鍵點(diǎn)是一對x和y坐標(biāo)。

讓我們對這個數(shù)據(jù)進(jìn)行基礎(chǔ)的增強(qiáng)：

1. def flip_img_and_keypoints(img: np.ndarray, kpts: Sequence[Sequence[int]]):
2. img = np.fliplr(img)
3. h, w, *_ = img.shape
4. kpts = [(y, w - x) for y, x in kpts]
5. return img, kpts

看起來是正確的，嗯？我們把它可視化。

1. image = np.ones((10, 10), dtype=np.float32)
2. kpts = [(0, 1), (2, 2)]
3. image_flipped, kpts_flipped = flip_img_and_keypoints(image, kpts)
4. img1 = image.copy()
5. for y, x in kpts:
6. img1[y, x] = 0
7. img2 = image_flipped.copy()
8. for y, x in kpts_flipped:
9. img2[y, x] = 0
10. 
    
11. _ = plt.imshow(np.hstack((img1, img2)))

不對稱，看起來很奇怪！如果我們檢查極值呢？

1. image = np.ones((10, 10), dtype=np.float32)
2. kpts = [(0, 0), (1, 1)]
3. image_flipped, kpts_flipped = flip_img_and_keypoints(image, kpts)
4. img1 = image.copy()
5. for y, x in kpts:
6. img1[y, x] = 0
7. img2 = image_flipped.copy()
8. for y, x in kpts_flipped:
9. img2[y, x] = 0
10. ---------------------------------------------------------------------------
11. IndexError Traceback (most recent call last)
12. <ipython-input-5-997162463eae> in <module>
13. 8 img2 = image_flipped.copy()
14. 9 for y, x in kpts_flipped:
15. ---> 10 img2[y, x] = 0
16. IndexError: index 10 is out of bounds for axis 1 with size 10

不好！這是一個典型的off-by-one錯誤。正確的代碼是這樣的:

1. def flip_img_and_keypoints(img: np.ndarray, kpts: Sequence[Sequence[int]]):
2. img = np.fliplr(img)
3. h, w, *_ = img.shape
4. kpts = [(y, w - x - 1) for y, x in kpts]
5. return img, kpts

我們通過可視化發(fā)現(xiàn)了這個問題，但是，使用“x = 0”點(diǎn)進(jìn)行單元測試也會有所幫助。一個有趣的事實(shí)是：有一個團(tuán)隊(duì)中有三個人(包括我自己)獨(dú)立地犯了幾乎相同的錯誤。

2. 繼續(xù)是關(guān)鍵點(diǎn)相關(guān)的問題

即使在上面的函數(shù)被修復(fù)之后，仍然存在危險。現(xiàn)在更多的是語義，而不僅僅是一段代碼。

假設(shè)需要用兩只手掌來增強(qiáng)圖像。看起來很安全：手是左，右翻轉(zhuǎn)。

但是等等！我們對關(guān)鍵點(diǎn)的語義并不很了解。如果這個關(guān)鍵點(diǎn)的意思是這樣的：

1. kpts = [
2. (20, 20), # left pinky
3. (20, 200), # right pinky
4. ...
5. ]

這意味著增強(qiáng)實(shí)際上改變了語義：左變成右，右變成左，但我們不交換數(shù)組中的關(guān)鍵點(diǎn)索引。它會給訓(xùn)練帶來大量的噪音和更糟糕的度量。

我們應(yīng)該吸取一個教訓(xùn)：

• 在應(yīng)用增強(qiáng)或其他花哨的功能之前，了解并考慮數(shù)據(jù)結(jié)構(gòu)和語義
• 保持你的實(shí)驗(yàn)原子性：添加一個小的變化(例如一個新的變換)，檢查它如何進(jìn)行，如果分?jǐn)?shù)提高才加進(jìn)去。

3. 編寫自己的損失函數(shù)

熟悉語義分割問題的人可能知道IoU指標(biāo)。不幸的是，我們不能直接用SGD來優(yōu)化它，所以常用的方法是用可微損失函數(shù)來近似它。

1. def iou_continuous_loss(y_pred, y_true):
2. eps = 1e-6
3. def _sum(x):
4. return x.sum(-1).sum(-1)
5. numerator = (_sum(y_true * y_pred) + eps)
6. denominator = (_sum(y_true ** 2) + _sum(y_pred ** 2)
7. - _sum(y_true * y_pred) + eps)
8. return (numerator / denominator).mean()

看起來不錯，我們先做個小的檢查：

1. In [3]: ones = np.ones((1, 3, 10, 10))
2. ...: x1 = iou_continuous_loss(ones * 0.01, ones)
3. ...: x2 = iou_continuous_loss(ones * 0.99, ones)
4. In [4]: x1, x2
5. Out[4]: (0.010099999897990103, 0.9998990001020204)

在 x1中，我們計算了一些與ground truth完全不同的東西的損失，而 x2則是非常接近ground truth的東西的結(jié)果。我們預(yù)計 x1會很大，因?yàn)轭A(yù)測是錯誤的， x2應(yīng)該接近于零。怎么了?

上面的函數(shù)是對metric的一個很好的近似。metric不是一種損失：它通常(包括這種情況)越高越好。當(dāng)我們使用SGD來最小化損失時，我們應(yīng)該使用一些相反的東西：

1. def iou_continuous(y_pred, y_true):
2. eps = 1e-6
3. def _sum(x):
4. return x.sum(-1).sum(-1)
5. numerator = (_sum(y_true * y_pred) + eps)
6. denominator = (_sum(y_true ** 2) + _sum(y_pred ** 2)
7. - _sum(y_true * y_pred) + eps)
8. return (numerator / denominator).mean()
9. def iou_continuous_loss(y_pred, y_true):
10. return 1 - iou_continuous(y_pred, y_true)

這些問題可以從兩個方面來確定：

• 編寫一個單元測試，檢查損失的方向：形式化的期望，更接近ground truth應(yīng)該輸出更低的損失。
• 運(yùn)行一個健全的檢查，讓你的模型在單個batch中過擬合。

4. 當(dāng)我們使用Pytorch的時候

假設(shè)有一個預(yù)先訓(xùn)練好的模型，開始做infer。

1. from ceevee.base import AbstractPredictor
2. class MySuperPredictor(AbstractPredictor):
3. def __init__(self,
4. weights_path: str,
5. ):
6. super().__init__()
7. self.model = self._load_model(weights_path=weights_path)
8. def process(self, x, *kw):
9. with torch.no_grad():
10. res = self.model(x)
11. return res
12. @staticmethod
13. def _load_model(weights_path):
14. model = ModelClass()
15. weights = torch.load(weights_path, map_location='cpu')
16. model.load_state_dict(weights)
17. return model

這個代碼正確嗎？也許！這確實(shí)適用于某些模型。例如，當(dāng)模型沒有dropout或norm層，如 torch.nn.BatchNorm2d?；蛘弋?dāng)模型需要為每個圖像使用實(shí)際的norm統(tǒng)計量時(例如，許多基于pix2pix的架構(gòu)需要它)。

但是對于大多數(shù)計算機(jī)視覺應(yīng)用程序來說，代碼忽略了一些重要的東西:切換到評估模式。

如果試圖將動態(tài)PyTorch圖轉(zhuǎn)換為靜態(tài)PyTorch圖，這個問題很容易識別。 torch.jit用于這種轉(zhuǎn)換。

1. In [3]: model = nn.Sequential(
2. ...: nn.Linear(10, 10),
3. ...: nn.Dropout(.5)
4. ...: )
5. ...:
6. ...: traced_model = torch.jit.trace(model, torch.rand(10))
7. /Users/Arseny/.pyenv/versions/3.6.6/lib/python3.6/site-packages/torch/jit/__init__.py:914: TracerWarning: Trace had nondeterministic nodes. Did you forget call .eval() on your model? Nodes:
8. %12 : Float(10) = aten::dropout(%input, %10, %11), scope: Sequential/Dropout[1] # /Users/Arseny/.pyenv/versions/3.6.6/lib/python3.6/site-packages/torch/nn/functional.py:806:0
9. This may cause errors in trace checking. To disable trace checking, pass check_trace=False to torch.jit.trace()
10. check_tolerance, _force_outplace, True, _module_class)
11. /Users/Arseny/.pyenv/versions/3.6.6/lib/python3.6/site-packages/torch/jit/__init__.py:914: TracerWarning: Output nr 1. of the traced function does not match the corresponding output of the Python function. Detailed error:
12. Not within tolerance rtol=1e-05 atol=1e-05 at input[5] (0.0 vs. 0.5454154014587402) and 5 other locations (60.00%)
13. check_tolerance, _force_outplace, True, _module_class)

簡單的修復(fù)一下：

1. In [4]: model = nn.Sequential(
2. ...: nn.Linear(10, 10),
3. ...: nn.Dropout(.5)
4. ...: )
5. ...:
6. ...: traced_model = torch.jit.trace(model.eval(), torch.rand(10))
7. # No more warnings!

在這種情況下， torch.jit.trace將模型運(yùn)行幾次并比較結(jié)果。這里的差別是可疑的。

然而 torch.jit.trace在這里不是萬能藥。這是一種應(yīng)該知道和記住的細(xì)微差別。

5. 復(fù)制粘貼的問題

很多東西都是成對存在的：訓(xùn)練和驗(yàn)證、寬度和高度、緯度和經(jīng)度……

1. def make_dataloaders(train_cfg, val_cfg, batch_size):
2. train = Dataset.from_config(train_cfg)
3. val = Dataset.from_config(val_cfg)
4. shared_params = {'batch_size': batch_size, 'shuffle': True, 'num_workers': cpu_count()}
5. train = DataLoader(train, **shared_params)
6. val = DataLoader(train, **shared_params)
7. return train, val

不僅僅是我犯了愚蠢的錯誤。例如，在非常流行的albumentations庫也有一個類似的版本。

1. # https://github.com/albu/albumentations/blob/0.3.0/albumentations/augmentations/transforms.py
2. def apply_to_keypoint(self, keypoint, crop_height=0, crop_width=0, h_start=0, w_start=0, rows=0, cols=0, **params):
3. keypoint = F.keypoint_random_crop(keypoint, crop_height, crop_width, h_start, w_start, rows, cols)
4. scale_x = self.width / crop_height
5. scale_y = self.height / crop_height
6. keypoint = F.keypoint_scale(keypoint, scale_x, scale_y)
7. return keypoint

別擔(dān)心，已經(jīng)修改好了。

如何避免？不要復(fù)制和粘貼代碼，盡量以不需要復(fù)制和粘貼的方式編寫代碼。

【NO】

1. datasets = []
2. data_a = get_dataset(MyDataset(config['dataset_a']), config['shared_param'], param_a)
3. datasets.append(data_a)
4. data_b = get_dataset(MyDataset(config['dataset_b']), config['shared_param'], param_b)
5. datasets.append(data_b)

【YES】

1. datasets = []
2. for name, param in zip(('dataset_a', 'dataset_b'),
3. (param_a, param_b),
4. ):
5. datasets.append(get_dataset(MyDataset(config[name]), config['shared_param'], param))

6. 合適的數(shù)據(jù)類型

讓我們編寫一個新的增強(qiáng)

1. def add_noise(img: np.ndarray) -> np.ndarray:
2. mask = np.random.rand(*img.shape) + .5
3. img = img.astype('float32') * mask
4. return img.astype('uint8')

圖像已被更改。這是我們所期望的嗎?嗯，也許它改變得太多了。

這里有一個危險的操作：將 float32 轉(zhuǎn)換為 uint8。它可能會導(dǎo)致溢出：

1. def add_noise(img: np.ndarray) -> np.ndarray:
2. mask = np.random.rand(*img.shape) + .5
3. img = img.astype('float32') * mask
4. return np.clip(img, 0, 255).astype('uint8')
5. img = add_noise(cv2.imread('two_hands.jpg')[:, :, ::-1])
6. _ = plt.imshow(img)

看起來好多了，是吧？

順便說一句，還有一種方法可以避免這個問題：不要重新發(fā)明輪子，不要從頭開始編寫增強(qiáng)代碼并使用現(xiàn)有的擴(kuò)展： albumentations.augmentations.transforms.GaussNoise。

我曾經(jīng)做過另一個同樣起源的bug。

1. raw_mask = cv2.imread('mask_small.png')
2. mask = raw_mask.astype('float32') / 255
3. mask = cv2.resize(mask, (64, 64), interpolation=cv2.INTER_LINEAR)
4. mask = cv2.resize(mask, (128, 128), interpolation=cv2.INTER_CUBIC)
5. mask = (mask * 255).astype('uint8')
6. _ = plt.imshow(np.hstack((raw_mask, mask)))

這里出了什么問題？首先，用三次插值調(diào)整掩模的大小是一個壞主意。同樣的問題 float32到 uint8：三次插值可以輸出值大于輸入，這會導(dǎo)致溢出。

我在做可視化的時候發(fā)現(xiàn)了這個問題。在你的訓(xùn)練循環(huán)中到處放置斷言也是一個好主意。

7. 拼寫錯誤

假設(shè)需要對全卷積網(wǎng)絡(luò)(如語義分割問題)和一個巨大的圖像進(jìn)行推理。該圖像是如此巨大，沒有機(jī)會把它放在你的GPU中，它可以是一個醫(yī)療或衛(wèi)星圖像。

在這種情況下，可以將圖像分割成網(wǎng)格，獨(dú)立地對每一塊進(jìn)行推理，最后合并。此外，一些預(yù)測交叉可能有助于平滑邊界附近的artifacts。

1. from tqdm import tqdm
2. class GridPredictor:
3. """
4. This class can be used to predict a segmentation mask for the big image
5. when you have GPU memory limitation
6. """
7. def __init__(self, predictor: AbstractPredictor, size: int, stride: Optional[int] = None):
8. self.predictor = predictor
9. self.size = size
10. self.stride = stride if stride is not None else size // 2
11. def __call__(self, x: np.ndarray):
12. h, w, _ = x.shape
13. mask = np.zeros((h, w, 1), dtype='float32')
14. weights = mask.copy()
15. for i in tqdm(range(0, h - 1, self.stride)):
16. for j in range(0, w - 1, self.stride):
17. a, b, c, d = i, min(h, i + self.size), j, min(w, j + self.size)
18. patch = x[a:b, c:d, :]
19. mask[a:b, c:d, :] += np.expand_dims(self.predictor(patch), -1)
20. weights[a:b, c:d, :] = 1
21. return mask / weights

有一個符號輸入錯誤，代碼段足夠大，可以很容易地找到它。我懷疑僅僅通過代碼就能快速識別它。但是很容易檢查代碼是否正確：

1. class Model(nn.Module):
2. def forward(self, x):
3. return x.mean(axis=-1)
4. model = Model()
5. grid_predictor = GridPredictor(model, size=128, stride=64)
6. simple_pred = np.expand_dims(model(img), -1)
7. grid_pred = grid_predictor(img)
8. np.testing.assert_allclose(simple_pred, grid_pred, atol=.001)
9. ---------------------------------------------------------------------------
10. AssertionError Traceback (most recent call last)
11. <ipython-input-24-a72034c717e9> in <module>
12. 9 grid_pred = grid_predictor(img)
13. 10
14. ---> 11 np.testing.assert_allclose(simple_pred, grid_pred, atol=.001)
15. ~/.pyenv/versions/3.6.6/lib/python3.6/site-packages/numpy/testing/_private/utils.py in assert_allclose(actual, desired, rtol, atol, equal_nan, err_msg, verbose)
16. 1513 header = 'Not equal to tolerance rtol=%g, atol=%g' % (rtol, atol)
17. 1514 assert_array_compare(compare, actual, desired, err_msg=str(err_msg),
18. -> 1515 verbose=verbose, header=header, equal_nan=equal_nan)
19. 1516
20. 1517
21. ~/.pyenv/versions/3.6.6/lib/python3.6/site-packages/numpy/testing/_private/utils.py in assert_array_compare(comparison, x, y, err_msg, verbose, header, precision, equal_nan, equal_inf)
22. 839 verbose=verbose, header=header,
23. 840 names=('x', 'y'), precision=precision)
24. --> 841 raise AssertionError(msg)
25. 842 except ValueError:
26. 843 import traceback
27. AssertionError:
28. Not equal to tolerance rtol=1e-07, atol=0.001
29. Mismatch: 99.6%
30. Max absolute difference: 765.
31. Max relative difference: 0.75000001
32. x: array([[[215.333333],
33. [192.666667],
34. [250. ],...
35. y: array([[[ 215.33333],
36. [ 192.66667],
37. [ 250. ],...

下面是 __call__方法的正確版本:

1. def __call__(self, x: np.ndarray):
2. h, w, _ = x.shape
3. mask = np.zeros((h, w, 1), dtype='float32')
4. weights = mask.copy()
5. for i in tqdm(range(0, h - 1, self.stride)):
6. for j in range(0, w - 1, self.stride):
7. a, b, c, d = i, min(h, i + self.size), j, min(w, j + self.size)
8. patch = x[a:b, c:d, :]
9. mask[a:b, c:d, :] += np.expand_dims(self.predictor(patch), -1)
10. weights[a:b, c:d, :] += 1
11. return mask / weights

如果你仍然不知道問題出在哪里，請注意 weights[a:b,c:d,:]+=1這一行。

8. Imagenet歸一化

當(dāng)一個人需要進(jìn)行轉(zhuǎn)移學(xué)習(xí)時，用訓(xùn)練Imagenet時的方法將圖像歸一化通常是一個好主意。

讓我們使用我們已經(jīng)熟悉的albumentations庫。

1. from albumentations import Normalize
2. norm = Normalize()
3. img = cv2.imread('img_small.jpg')
4. mask = cv2.imread('mask_small.png', cv2.IMREAD_GRAYSCALE)
5. mask = np.expand_dims(mask, -1) # shape (64, 64) -> shape (64, 64, 1)
6. normed = norm(image=img, mask=mask)
7. img, mask = [normed[x] for x in ['image', 'mask']]
8. def img_to_batch(x):
9. x = np.transpose(x, (2, 0, 1)).astype('float32')
10. return torch.from_numpy(np.expand_dims(x, 0))
11. img, mask = map(img_to_batch, (img, mask))
12. criterion = F.binary_cross_entropy

現(xiàn)在是時候訓(xùn)練一個網(wǎng)絡(luò)并對單個圖像進(jìn)行過度擬合了——正如我所提到的，這是一種很好的調(diào)試技術(shù)：

1. model_a = UNet(3, 1)
2. optimizer = torch.optim.Adam(model_a.parameters(), lr=1e-3)
3. losses = []
4. for t in tqdm(range(20)):
5. loss = criterion(model_a(img), mask)
6. losses.append(loss.item())
7. optimizer.zero_grad()
8. loss.backward()
9. optimizer.step()
10. 
    
11. _ = plt.plot(losses)

曲率看起來很好，但是交叉熵的損失值-300是不可預(yù)料的。是什么問題？

歸一化處理圖像效果很好，但是mask沒有：需要手動縮放到 [0,1]。

1. model_b = UNet(3, 1)
2. optimizer = torch.optim.Adam(model_b.parameters(), lr=1e-3)
3. losses = []
4. for t in tqdm(range(20)):
5. loss = criterion(model_b(img), mask / 255.)
6. losses.append(loss.item())
7. optimizer.zero_grad()
8. loss.backward()
9. optimizer.step()
10. 
    
11. _ = plt.plot(losses)

訓(xùn)練循環(huán)的簡單運(yùn)行時斷言(例如 assertmask.max()<=1會很快檢測到問題。同樣，也可以是單元測試。

總結(jié)

• 測試很有必要
• 運(yùn)行時斷言可以用于訓(xùn)練的pipeline;
• 可視化是一種幸福
• 復(fù)制粘貼是一種詛咒
• 沒有什么是靈丹妙藥，一個機(jī)器學(xué)習(xí)工程師必須總是小心(或只是受苦)。