如何将参数从 skorch.NeuralNetClassifier.fit() 传递到我的手电筒 nn.module 的转发功能

Question

我扩展了nn.Module来实现我的网络，它的转发功能是这样的...

def forward(self, X, **kwargs):

    batch_size, seq_len = X.size()

    length = kwargs['length']
    embedded = self.embedding(X) # [batch_size, seq_len, embedding_dim]
    if self.use_padding:
        if length is None:
            raise AttributeError("Length must be a tensor when using padding")
        embedded = nn.utils.rnn.pack_padded_sequence(embedded, length, batch_first=True)
        #print("Size of Embedded packed", embedded[0].size())


    hidden, cell = self.init_hidden(batch_size)
    if self.rnn_unit == 'rnn':
        out, _ = self.rnn(embedded, hidden)
    elif self.rnn_unit == 'lstm':
        out, (hidden, cell) = self.rnn(embedded, (hidden, cell))


    # unpack if padding was used
    if self.use_padding:
        out, _ = nn.utils.rnn.pad_packed_sequence(out, batch_first = True)

我像这样初始化了一个焦糖NeuralNetClassifier，

net = NeuralNetClassifier(
    model,
    criterion=nn.CrossEntropyLoss,
    optimizer=Adam, 
    max_epochs=8, 
    lr=0.01, 
    batch_size=32
)

现在如果我调用 net.fit(X, y, length=X_len) 它会抛出一个错误

TypeError: __call__() got an unexpected keyword argument 'length'

根据文档 fit 函数需要一个 fit_params 字典，

**fit_params : dict
   Additional parameters passed to the ``forward`` method of
   the module and to the ``self.train_split`` call.

并且源代码总是将我的参数发送到 train_split，显然我的关键字参数不会被识别。

有没有办法将参数传递给我的前向函数？

Answer 1

fit_params 参数用于传递与数据拆分和模型相关的信息，例如拆分组。

在您的情况下，您正在通过 fit_params 将额外的数据传递给模块，这不是它的目的。事实上，如果您在训练数据加载器上启用批处理，那么您很容易运行遇到麻烦，因为那时您的长度和数据未对齐。

执行此操作的最佳方法已在 answer to your question on the issue tracker:

中描述

X_dict = {'X': X, 'length': X_len}
net.fit(X_dict, y)

由于 skorch 支持 dicts，您可以简单地将长度添加到您的输入字典中，并将其同时传递给模块，很好地批处理并通过相同的数据加载器传递。在您的模块中，您可以通过 forward:

中的参数访问它

def forward(self, X, length):
     return ...

可以找到有关此行为的更多文档 in the docs。

如何将参数从 skorch.NeuralNetClassifier.fit() 传递到我的手电筒 nn.module 的转发功能

How to pass parameters to forward function of my torch nn.module from skorch.NeuralNetClassifier.fit()

python

scikit-learn

neural-network

pytorch

skorch