Julia 网络表达式 Flux

Question

学习Julia元编程通过表达式自动构造ANN。虽然一切都适用于推理，但向后阶段会引发错误：

LoadError: Can't differentiate foreigncall expression

下一个代码显示了问题出现的位置。虽然 eval(net(x)) 运行良好，但出于某种原因，它会在梯度计算阶段抛出错误。

# define ANN by expression
net(x) = :($w2 * relu.($w1 * $x .+ $b1) .+ $b2)

# define loss and network evaluation
loss(x, y) = Flux.logitcrossentropy(eval(net(x)), y)

θ = Flux.Params([w1, b1, w2, b2])

# eval network and calculate gradients
gs = gradient(() -> loss(features, labels), θ)  # where the problem appears

Answer 1

eval 是 Flux 无法区分的原语。你宁愿使用像

这样的东西

net = :($w2 * relu.($w1 * x .+ $b1) .+ $b2)
@eval loss(x, y) = Flux.logitcrossentropy($net, y)

构建 loss 的表达式并计算一次，而不是每次调用损失函数时都计算（并因此编译）同一段代码。

但是在元编程之前要三思。在求助于 eval 之前，尝试编写一个宏来生成您的网络和损失函数。

当然，如果目标是将仅在运行时可用的表达式组合在一起，那么这将不起作用。遗传编程，在运行时创建大量随机表达式，听起来像是一个合理的例外。但即便如此，也可能有其他选择，比如使用您自己的受限表示（例如，您可以首先符号化微分，然后 "compile" 到匿名函数）。

Julia 网络表达式 Flux

Julia network expression Flux

neural-network

julia

metaprogramming

flux.jl