@atry 2017-11-16T01:59:54.000000Z 字数 5424 阅读 1275

神经网络与函数式编程（四）Monadic Deep Learning

神经网络与函数式编程

在本系列的上一篇文章神经网络与函数式编程（三）怎么解释神经网络？中，我们考察了神经网络结构如何与高阶函数一一对应。在本篇文章中，我将展示如何用Monad表达有条件启用的动态神经网络。

三种带条件的神经网络结构

神经网络中常用的条件启用的结构有三种：

第一种是用非线性函数“过滤”输入，比如ReLU激活函数就相当于if (x > 0) x else 0的条件语句。

第二种是把“门”用于循环单元，比如LSTM和GRU的每个循环单元中都有多个门，每个门以零到一的系数乘以需要过滤的特征，相当于“软性”的条件语句。

第三种是根据每一个样本设置条件启用子网络，比如Sparsely-Gated Mixture-of-Experts。当这类条件不满足时，未启用的子网络不会运行。所以，用这种“硬性”的条件可以训练出非常巨大的神经网络，但针对每个样本只稀疏激活个别子网络，能让网络既拥有巨大的知识容量，又可以运行得很快。

接下来本文将主要聊聊如何用DeepLearning.scala实现最有意思的第三种条件结构，即“硬性”条件。

利用`predict`实现“硬性”条件

实现“硬性”条件的一种明显思路是先执行一遍条件，然后根据条件选择子网络即可。在DeepLearning.scala中可以写成这样：

type Input = INDArrayLayer
type Output = INDArrayLayer
type Condition = (DoubleLayer, DoubleLayer)
def leftSubnet(input: Input): Output = ???
def rightSubnet(input: Input): Output = ???
def gate(input: Input): Condition = ???
def naiveGatedNet(input: Input): Output = {
  val condition = gate(input)
  if (condition._1.predict.blockingAwait > condition._2.predict.blockingAwait) {
    conditionLeft * leftSubnet(input)
  } else {
    conditionRight * rightSubnet(input)
  }
}

以上的naiveGatedNet涉及gate、leftSubnet、rightSubnet三个子网络。其中gate返回两个系数，表示更倾向于选择leftSubnet和rightSubnet中哪一个子网络分支。

接着，在执行选择的子网络leftSubnet或rightSubnet时，乘以gate返回的系数。这样做可以让神经网络可以反向传播到gate里，使得gate也得到训练。

这样一来，naiveGatedNet就实现了“针对每个样本根据条件启用部分子网络”的效果。

然而，naiveGatedNet有一个缺陷。

在DeepLearning.scala，所有的Layer，包括标量DoubleLayer和向量INDArrayLayer，都表示一个惰性执行的可微分计算图，直到调用predict或者train才真正执行。

所以naiveGatedNet中调用了两次predict，就会导致计算图求值两次，而naiveGatedNet的用户将来调用naiveGatedNet(input).train或者naiveGatedNet(input).predict时，还会再对计算图求值一次。这样一来gate(input)就被求值了三次。更糟糕的是，Input也是个计算图，也会求值三次。而Input可能包含复杂的特征提取逻辑，重复执行可能浪费太多的计算资源。

所以，用predict实现的“硬性”条件尽管节省了计算leftSubnet或rightSubnet分支的开销，但是代价是前置条件gate(input)被重复计算。这种做法未必划算。

动态生成计算图

如果要在实现“硬性”条件计算图时避免重复计算，就不能使用predict，而必须用flatMap动态生成计算图。

def monadicGatedNet(input: Input): Output = {
  val condition = gate(input)
  val gatedForward = (condition._1.forward.tuple2(condition._2.forward)).flatMap { pair =>
    if (pair._1.data > pair._2.data) {
      (condition._1 * leftSubnet(input)).forward
    } else {
      (condition._2 * rightSubnet(input)).forward
    }
  }
  INDArrayLayer(gatedForward)
}

flatMap方法是Monad.bind的别名：

package scalaz
trait Monad[F[_]] extends Apply[F[_]] {
  def point(a: => A): F[A]
  def bind[A, B](fa: F[A])(f: A => F[B]): F[B]
}

我们之所以能写形如fa.flatMap(f)这样的代码，是因为Scalaz提供了一些Ops作为语法糖，能把flatMap转为Monad[F].bind(fa, f)调用，具体在monadicGatedNet中F是Do，所以(condition._1.forward.tuple2(condition._2.forward)).flatMap { pair => ... }相当于Monad[Do].bind(condition._1.forward.tuple2(condition._2.forward), { pair => ...})。

如果以面向对象的角度看待Monad的话，可以把Monad视为设计模式里的“抽象工厂”，其高阶类型参数F[_]表示的则是Monad能生产的产品类型，所以monadicGatedNet中的flatMap生产的产品也就是Do。

Do可以用来表示神经网络中的泛型计算图。事实上DoubleLayer和INDArrayLayer就是对Do的一层包装，可以和Do互相转换：

val myDoubleLayer: DoubleLayer = ???
val doDouble: Do[Tape[Double, Double]] = myDoubleLayer.forward
val myDoubleLayer2: DoubleLayer = DoubleLayer(doDouble)

val myINDArrayLayer: INDArrayLayer = ???
val doINDArray: Do[Tape[INDArray, INDArray]] = myINDArrayLayer.forward
val myINDArrayLayer2: INDArrayLayer = INDArrayLayer(doINDArray)

Tape是计算图中的临时结构，这里不用细究，只要知道通过tape.data能够取得计算结果就行了。本系列的后续文章会讲解Tape的内部构造。

回到Monad[Do]中的bind，也就是我们所使用的flatMap，其签名等价于：

def bind[A, B](fa: Do[A])(f: A => Do[B]): Do[B]

它的含义是生产一个两阶段的动态计算图Do[B]。第一阶段的计算图是fa。第二阶段计算图得在第一阶段计算完毕后，再由回调函数f根据第一阶段的结果A的值动态生成，而不能事先确定。

粗粒度并行计算

另一处细节是(condition._1.forward.tuple2(condition._2.forward))，调用了`tuple2把两个计算图和成一个计算图：

package scalaz
trait Apply[F[_]] {
  def tuple2[A, B](fa: => F[A], fb: => F[B]): F[(A, B)]
}

这是因为gate签名里返回的是两个计算图，所以需要合并以后才能flatMap。

不过，直接调用tuple2可能不一定是最高效的写法，因为Monad中tuple2的默认实现是串行计算，这意味着condition._2.forward要等到condition._1.forward算完后才开始计算。理想情况下应该可以让condition._1.forward和condition._2.forward同时计算，以便缩短延时。在DeepLearning.scala可以这样实现：

def parallelGatedNet(input: Input): Output = {
  val condition = gate(input)
  val parallelCondition1Forward: ParallelDo[Tape[Double, Double]] = Parallel(condition._1.forward)
  val parallelCondition2Forward: ParallelDo[Tape[Double, Double]] = Parallel(condition._2.forward)
  val parallelConditionForward = condition1ForwardParallel.tuple2(condition2ForwardParallel)
  val gatedForward = parallelConditionForward.unwrap.flatMap { pair =>
    if (pair._1.data > pair._2.data) {
      (condition._1 * leftSubnet(input)).forward
    } else {
      (condition._2 * rightSubnet(input)).forward
    }
  }
  INDArrayLayer(gatedForward)
}

以上代码中，Parallel(...)把一个Do包装成了ParallelDo，表示需要并行执行的计算图。这样一来，如果对ParallelDo调用tuple2以及其他所有的高阶函数，就会生成并行计算的计算图。在tuple2以后，需要调用upwrap把ParallelDo转回Do，因为flatMap是两阶段计算图，不可能支持并行计算。最后生成的计算图如下：

TODO: 此处缺一张图

事实上，所有INDArrayLayer的内置二元操作都会自动用ParallelDo来并行计算。

虽然GPU本身也支持并行计算，但GPU算完一个操作后，在等待CPU给GPU提交下一次计算命令以前，GPU只能干等，计算力就被浪费了。我们利用ParallelDo提供的粗粒度并行计算，同时提交多个计算命令，可以维持GPU一直繁忙，避免发生GPU饥饿。

ThoughtWorks Each

最后，对函数式编程的初学者来说，可能比较难理解Monad的概念。我们提供了ThoughtWorks Each，能够自动把.each调用编译成flatMap或者map。初学者不需要手写flatMap就可以利用Each生成动态神经网络了：

def eachGatedNet(input: Input): Output = INDArrayLayer(monadic[Do] {
  val condition = gate(input)
  val parallelCondition1Forward: ParallelDo[Tape[Double, Double]] = Parallel(condition._1.forward)
  val parallelCondition2Forward: ParallelDo[Tape[Double, Double]] = Parallel(condition._2.forward)
  val parallelConditionForward = condition1ForwardParallel.tuple2(condition2ForwardParallel)
  val pair = parallelConditionForward.unwrap.each
  if (pair._1.data > pair._2.data) {
    (condition._1 * leftSubnet(input)).forward.each
  } else {
    (condition._2 * rightSubnet(input)).forward.each
  }
})

结论

Monad既简单又强大。在ThoughtWorks Each的帮助下，你可以同时获得动态计算图和粗粒度并行计算的好处，而依旧保持很简洁的代码结构。

谷歌最近的论文One Model To Learn Them All展示了通用神经网络的前景。人类的神经元数量约有860亿，包含各种不同形态和功能的专用神经细胞。未来的通用人工神经网络一定也和人类神经系统一样，既巨大又复杂，处理特定任务时动态稀疏激活。我们相信Monadic Deep Learning将在通用人工智能上大有可为！

除了动态神经网络以外，通用的神经网络会内置不同功能的模块，这就需要以可扩展的方式添加新功能。我将在下一篇文章中介绍DeepLearning.scala的插件系统如何利用依赖类型系统解决Expression Problem，既支持添加新功能也可以修改现有功能的行为。