TensorFlow 2.0+Keras 防坑指南

TensorFlow 2.0是對1.x版本作了一次大的瘦身，Eager Execution默認開啓，而且使用Keras做爲默認高級API，
這些改進大大下降的TensorFlow使用難度。

本文主要記錄了一次曲折的使用Keras+TensorFlow2.0的BatchNormalization的踩坑經歷，這個坑差點要把TF2.0的新特性都毀滅殆盡，若是你在學習TF2.0的官方教程，不妨一觀。

問題的產生

從教程[1]https://www.tensorflow.org/alpha/tutorials/images/transfer_learning?hl=zh-cn（講述如何Transfer Learning）提及：

IMG_SHAPE = (IMG_SIZE, IMG_SIZE, 3)
# Create the base model from the pre-trained model MobileNet V2
base_model = tf.keras.applications.MobileNetV2(input_shape=IMG_SHAPE,
                                               include_top=False,weights='imagenet')
model = tf.keras.Sequential([
  base_model,
    tf.keras.layers.GlobalAveragePooling2D(),
    tf.keras.layers.Dense(NUM_CLASSES)
])

簡單的代碼咱們就複用了MobileNetV2的結構建立了一個分類器模型，接着咱們就能夠調用Keras的接口去訓練模型：

model.compile(optimizer=tf.keras.optimizers.RMSprop(lr=base_learning_rate),

              loss='sparse_categorical_crossentropy',

              metrics=['sparse_categorical_accuracy'])

model.summary()

history = model.fit(train_batches.repeat(),

                    epochs=20,

                    steps_per_epoch = steps_per_epoch,

                    validation_data=validation_batches.repeat(),

                    validation_steps=validation_steps)

輸出的結果看，一塊兒都很完美：

Model: "sequential"

_________________________________________________________________

Layer (type)                 Output Shape              Param #

=================================================================

mobilenetv2_1.00_160 (Model) (None, 5, 5, 1280)        2257984

_________________________________________________________________

global_average_pooling2d (Gl (None, 1280)              0

_________________________________________________________________

dense (Dense)                (None, 2)                 1281

=================================================================

Total params: 2,259,265

Trainable params: 1,281

Non-trainable params: 2,257,984

_________________________________________________________________

Epoch 11/20

581/581 [==============================] - 134s 231ms/step - loss: 0.4208 - accuracy: 0.9484 - val_loss: 0.1907 - val_accuracy: 0.9812

Epoch 12/20

581/581 [==============================] - 114s 197ms/step - loss: 0.3359 - accuracy: 0.9570 - val_loss: 0.1835 - val_accuracy: 0.9844

Epoch 13/20

581/581 [==============================] - 116s 200ms/step - loss: 0.2930 - accuracy: 0.9650 - val_loss: 0.1505 - val_accuracy: 0.9844

Epoch 14/20

581/581 [==============================] - 114s 196ms/step - loss: 0.2561 - accuracy: 0.9701 - val_loss: 0.1575 - val_accuracy: 0.9859

Epoch 15/20

581/581 [==============================] - 119s 206ms/step - loss: 0.2302 - accuracy: 0.9715 - val_loss: 0.1600 - val_accuracy: 0.9812

Epoch 16/20

581/581 [==============================] - 115s 197ms/step - loss: 0.2134 - accuracy: 0.9747 - val_loss: 0.1407 - val_accuracy: 0.9828

Epoch 17/20

581/581 [==============================] - 115s 197ms/step - loss: 0.1546 - accuracy: 0.9813 - val_loss: 0.0944 - val_accuracy: 0.9828

Epoch 18/20

581/581 [==============================] - 116s 200ms/step - loss: 0.1636 - accuracy: 0.9794 - val_loss: 0.0947 - val_accuracy: 0.9844

Epoch 19/20

581/581 [==============================] - 115s 198ms/step - loss: 0.1356 - accuracy: 0.9823 - val_loss: 0.1169 - val_accuracy: 0.9828

Epoch 20/20

581/581 [==============================] - 116s 199ms/step - loss: 0.1243 - accuracy: 0.9849 - val_loss: 0.1121 - val_accuracy: 0.9875

然而這種寫法仍是不方便Debug，咱們但願能夠精細的控制迭代的過程，並可以看到中間結果，因此咱們訓練的過程改爲了這樣：

optimizer = tf.keras.optimizers.RMSprop(lr=base_learning_rate)
train_accuracy = tf.keras.metrics.SparseCategoricalAccuracy(name='train_accuracy')

@tf.function

def train_cls_step(image, label):

    with tf.GradientTape() as tape:

        predictions = model(image)

        loss = tf.keras.losses.SparseCategoricalCrossentropy()(label, predictions)

    gradients = tape.gradient(loss, model.trainable_variables)

    optimizer.apply_gradients(zip(gradients, model.trainable_variables))

    train_accuracy(label, predictions)

for images, labels in train_batches:

    train_cls_step(images,labels)

從新訓練後，結果依然很完美！

可是，這時候咱們想對比一下Finetune和重頭開始訓練的差異，因此把構建模型的代碼改爲了這樣：

base_model = tf.keras.applications.MobileNetV2(input_shape=IMG_SHAPE,

                                              include_top=False,weights=None)

使得模型的權重隨機生成，這時候訓練結果就開始抽風了，Loss不降低，Accuracy穩定在50%附近遊蕩：

Step #10: loss=0.6937199831008911 acc=46.5625%

Step #20: loss=0.6932525634765625 acc=47.8125%

Step #30: loss=0.699873685836792 acc=49.16666793823242%

Step #40: loss=0.6910845041275024 acc=49.6875%

Step #50: loss=0.6935917139053345 acc=50.0625%

Step #60: loss=0.6965731382369995 acc=49.6875%

Step #70: loss=0.6949992179870605 acc=49.19642639160156%

Step #80: loss=0.6942993402481079 acc=49.84375%

Step #90: loss=0.6933775544166565 acc=49.65277862548828%

Step #100: loss=0.6928421258926392 acc=49.5%

Step #110: loss=0.6883170008659363 acc=49.54545593261719%

Step #120: loss=0.695658802986145 acc=49.453125%

Step #130: loss=0.6875559091567993 acc=49.61538314819336%

Step #140: loss=0.6851695775985718 acc=49.86606979370117%

Step #150: loss=0.6978713274002075 acc=49.875%

Step #160: loss=0.7165156602859497 acc=50.0%

Step #170: loss=0.6945627331733704 acc=49.797794342041016%

Step #180: loss=0.6936900615692139 acc=49.9305534362793%

Step #190: loss=0.6938323974609375 acc=49.83552551269531%

Step #200: loss=0.7030564546585083 acc=49.828125%

Step #210: loss=0.6926192045211792 acc=49.76190185546875%

Step #220: loss=0.6932414770126343 acc=49.786930084228516%

Step #230: loss=0.6924526691436768 acc=49.82337188720703%

Step #240: loss=0.6882281303405762 acc=49.869789123535156%

Step #250: loss=0.6877702474594116 acc=49.86249923706055%

Step #260: loss=0.6933954954147339 acc=49.77163314819336%

Step #270: loss=0.6944763660430908 acc=49.75694274902344%

Step #280: loss=0.6945018768310547 acc=49.49776840209961%

咱們將predictions的結果打印出來，發現batch內每一個輸出都是如出一轍的：

0 = tf.Tensor([0.51352817 0.48647183], shape=(2,), dtype=float32)

1 = tf.Tensor([0.51352817 0.48647183], shape=(2,), dtype=float32)

2 = tf.Tensor([0.51352817 0.48647183], shape=(2,), dtype=float32)

3 = tf.Tensor([0.51352817 0.48647183], shape=(2,), dtype=float32)

4 = tf.Tensor([0.51352817 0.48647183], shape=(2,), dtype=float32)

5 = tf.Tensor([0.51352817 0.48647183], shape=(2,), dtype=float32)

6 = tf.Tensor([0.51352817 0.48647183], shape=(2,), dtype=float32)

7 = tf.Tensor([0.51352817 0.48647183], shape=(2,), dtype=float32)

8 = tf.Tensor([0.51352817 0.48647183], shape=(2,), dtype=float32)

9 = tf.Tensor([0.51352817 0.48647183], shape=(2,), dtype=float32)

只是修改了初始權重，爲什麼會產生這樣的結果？

問題排查

實驗1

是否是訓練不夠充分，或者learning rate設置的不合適？
通過幾輪調整，發現不管訓練多久，learning rate變大變小，都沒法改變這種結果

實驗2

既然是權重的問題，是否是權重隨機初始化的有問題，把初始權重拿出來統計了一下，一切正常

實驗3

這種問題根據以前的經驗，在導出Inference模型的時候BatchNormalization沒有處理好會出現這種一個batch內全部結果都同樣的問題。可是如何解釋訓練的時候爲何會出現這個問題？並且爲何Finetue不會出現問題呢？只是改了權重的初始值而已呀
按照這個方向去Google的一番，發現了Keras的BatchNormalization確實有不少issue，其中一個問題是在保存模型的是BatchNormalzation的moving mean和moving variance不會被保存[6]https://github.com/tensorflow/tensorflow/issues/16455，而另一個issue提到問題就和咱們問題有關係的了：
[2] https://github.com/tensorflow/tensorflow/issues/19643
[3] https://github.com/tensorflow/tensorflow/issues/23873
最後，這位做者找到了緣由，而且總結在了這裏：
[4] https://pgaleone.eu/tensorflow/keras/2019/01/19/keras-not-yet-interface-to-tensorflow/

根據這個提示，咱們作了以下嘗試：

實驗3.1

改用model.fit的寫法進行訓練，在最初的幾個epoch裏面，咱們發現好的一點的是training accuracy已經開始緩慢提高了，可是validation accuracy存在原來的問題。並且經過model.predict_on_batch()拿到中間結果，發現依然仍是batch內輸出都同樣。

Epoch 1/20

581/581 [==============================] - 162s 279ms/step - loss: 0.6768 - sparse_categorical_accuracy: 0.6224 - val_loss: 0.6981 - val_sparse_categorical_accuracy: 0.4984

Epoch 2/20

581/581 [==============================] - 133s 228ms/step - loss: 0.4847 - sparse_categorical_accuracy: 0.7684 - val_loss: 0.6931 - val_sparse_categorical_accuracy: 0.5016

Epoch 3/20

581/581 [==============================] - 130s 223ms/step - loss: 0.3905 - sparse_categorical_accuracy: 0.8250 - val_loss: 0.6996 - val_sparse_categorical_accuracy: 0.4984

Epoch 4/20

581/581 [==============================] - 131s 225ms/step - loss: 0.3113 - sparse_categorical_accuracy: 0.8660 - val_loss: 0.6935 - val_sparse_categorical_accuracy: 0.5016

可是，隨着訓練的深刻，結果出現了逆轉，開始變得正常了（tf.function的寫法是不管怎麼訓練都不會變化，幸虧沒有放棄治療）（追加：其實這裏仍是有問題的，繼續看後面，當時就以爲怪怪的，不該該收斂這麼慢）

Epoch 18/20

581/581 [==============================] - 131s 226ms/step - loss: 0.0731 - sparse_categorical_accuracy: 0.9725 - val_loss: 1.4896 - val_sparse_categorical_accuracy: 0.8703

Epoch 19/20

581/581 [==============================] - 130s 225ms/step - loss: 0.0664 - sparse_categorical_accuracy: 0.9748 - val_loss: 0.6890 - val_sparse_categorical_accuracy: 0.9016

Epoch 20/20

581/581 [==============================] - 126s 217ms/step - loss: 0.0631 - sparse_categorical_accuracy: 0.9768 - val_loss: 1.0290 - val_sparse_categorical_accuracy: 0.9031

通多model.predict_on_batch()拿到的結果也和這個Accuracy也是一致的

實驗3.2

經過上一個實驗，咱們驗證了確實若是隻經過Keras的API去訓練，是正常。更深層的緣由是什麼呢？是否是BatchNomalization沒有update moving mean和moving variance致使的呢？答案是Yes
咱們分別在兩中訓練方法先後，打印 moving mean和moving variance的值：

def get_bn_vars(collection):

    moving_mean, moving_variance = None, None    for var in collection:

        name = var.name.lower()

        if "variance" in name:

            moving_variance = var

        if "mean" in name:

            moving_mean = var

    if moving_mean is not None and moving_variance is not None:

        return moving_mean, moving_variance

    raise ValueError("Unable to find moving mean and variance")

mean, variance = get_bn_vars(model.variables)

print(mean)

print(variance)

咱們發現，確實若是使用model.fit()進行訓練，mean和variance是在update的(雖然更新的速率看着有些奇怪)，可是對於tf.function那種寫法這兩個值就沒有被update

那這裏咱們也能夠解釋爲何Finetune不會出現問題了，由於imagenet訓練的mean, variance已是一個比較好的值了，即便不更新也能夠正常使用

實驗3.3

是否是改爲[4]裏面說的方法構建動態的Input_Shape的模型就OK了呢？

class MyModel(Model):

    def __init__(self):

        super(MyModel, self).__init__()

        self.conv1 = Conv2D(32, 3, activation='relu')

        self.batch_norm1=BatchNormalization()

        self.flatten = Flatten()

        self.d1 = Dense(128, activation='relu')

        self.d2 = Dense(10, activation='softmax')

    def call(self, x):

        x = self.conv1(x)

        x = self.batch_norm1(x)

        x = self.flatten(x)

        x = self.d1(x)

        return self.d2(x)

model = MyModel()

#model.build((None,28,28,1))

model.summary()

@tf.functiondef train_step(image, label):

    with tf.GradientTape() as tape:

        predictions = model(image)

        loss = loss_object(label, predictions)

    gradients = tape.gradient(loss, model.trainable_variables)

    optimizer.apply_gradients(zip(gradients, model.trainable_variables))

    train_loss(loss)

    train_accuracy(label, predictions)

模型以下：

Model: "my_model"

_________________________________________________________________

Layer (type)                 Output Shape              Param #  

=================================================================

conv2d (Conv2D)              multiple                  320      

_________________________________________________________________

batch_normalization_v2 (Batc multiple                  128      

_________________________________________________________________

flatten (Flatten)            multiple                  0        

_________________________________________________________________

dense (Dense)                multiple                  2769024  

_________________________________________________________________

dense_1 (Dense)              multiple                  1290      

=================================================================

Total params: 2,770,762

Trainable params: 2,770,698

Non-trainable params: 64

從Output Shape看，構建模型沒問題
跑了一遍MINST，結果也很不錯！
以防萬一，咱們一樣測試了一下mean和variance是否被更新，然而結果出乎意料，並無！
也就是說[4]裏面說的方案在咱們這裏並不可行

實驗3.4

既然咱們定位問題是在BatchNormalization這裏，因此就想到BatchNormalization的training和testing時候行爲是不一致的，在testing的時候moving mean和variance是不須要update的，那麼會不會是tf.function的這種寫法並不會自動更改這個狀態呢？
查看源碼，發現BatchNormalization的call()存在一個training參數，並且默認是False

Call arguments:

   inputs: Input tensor (of any rank).

   training: Python boolean indicating whether the layer should behave in

     training mode or in inference mode.

     - `training=True`: The layer will normalize its inputs using the

       mean and variance of the current batch of inputs.

     - `training=False`: The layer will normalize its inputs using the

       mean and variance of its moving statistics, learned during training.

因此，作了以下改進：

class MyModel(Model):

    def __init__(self):

        super(MyModel, self).__init__()

        self.conv1 = Conv2D(32, 3, activation='relu')

        self.batch_norm1=BatchNormalization()

        self.flatten = Flatten()

        self.d1 = Dense(128, activation='relu')

        self.d2 = Dense(10, activation='softmax')

    def call(self, x,training=True):

        x = self.conv1(x)

        x = self.batch_norm1(x,training=training)

        x = self.flatten(x)

        x = self.d1(x)

        return self.d2(x)

model = MyModel()

#model.build((None,28,28,1))

model.summary()

@tf.functiondef train_step(image, label):

    with tf.GradientTape() as tape:

        predictions = model(image,training=True)

        loss = loss_object(label, predictions)

    gradients = tape.gradient(loss, model.trainable_variables)

    optimizer.apply_gradients(zip(gradients, model.trainable_variables))

    train_loss(loss)

    train_accuracy(label, predictions)

@tf.functiondef test_step(image, label):

    predictions = model(image,training=False)

    t_loss = loss_object(label, predictions)

    test_loss(t_loss)

    test_accuracy(label, predictions)

結果顯示，moving mean和variance開始更新啦，測試Accuracy也是符合預期
因此，咱們能夠肯定問題的根源在於須要指定BatchNormalization是在training仍是在testing！

實驗3.5

3.4中方法雖然解決了咱們的問題，可是它是使用構建Model的subclass的方式，而咱們以前的MobileNetV2是基於更加靈活Keras Functional API構建的，因爲沒法控制call()函數的定義，沒有辦法靈活切換training和testing的狀態，另外用Sequential的方式構建時也是同樣。
[5]https://blog.keras.io/keras-as-a-simplified-interface-to-tensorflow-tutorial.html
[7]https://github.com/keras-team/keras/issues/7085
[8]https://github.com/keras-team/keras/issues/6752
從5[8]中，我瞭解到兩個狀況，

• 1. tf.keras.backend.set_learning_phase()能夠改變training和testing的狀態；
• 1. model.updates和layer.updates 存着old_value和new_value的Assign Op

因此我首先嚐試：

tf.keras.backend.set_learning_phase(True)

結果，MobileNetV2構建的模型也能夠正常工做了。
並且收斂的速度彷佛比model.fit()還快了不少，結合以前model.fit()收斂慢的困惑，這裏又增長的一個實驗，在model.fit()的版本里面也加上這句話，發現一樣收斂速度也變快了！1個epoch就能獲得不錯的結果了！
所以，這裏又產生了一個問題model.fit()到底有沒有設learning_phase狀態？若是沒有是怎麼作moving mean和variance的update的？
第二個方法，因爲教程中講述的是如何在1.x的版本構建，而在eager execution模式下，彷佛沒有辦法去run這些Assign Operation。僅作參考吧

update_ops = []

for assign_op in model.updates:

    update_ops.append(assign_op))
#可是不知道拿到這些update_ops在eager execution模式下怎麼處理呢？

結論

總結一下，咱們從[4]找到了解決問題的啓發點，可是最終證實[4]裏面的問題和解決方法用到咱們這裏並不能真正解決問題，問題的關鍵仍是在於Keras+TensorFlow2.0裏面咱們如何處理在training和testing狀態下行爲不一致的Layer；以及對於model.fit()和tf.funtion這兩種訓練方法的區別，最終來看model.fit()裏面彷佛包含不少詭異的行爲。
最終的使用建議以下：

1. 在使用model.fit()或者model.train_on_batch()這種Keras的API訓練模型時，也推薦手動設置tf.keras.backend.set_learning_phase(True)，能夠加快收斂
2. 若是使用eager execution這種方法，

• 1）使用構建Model的subclass，可是針對call()設置training的狀態，對於BatchNoramlization，Dropout這樣的Layer進行不一樣處理
• 2）使用Functional API或者Sequential的方式構建Model，設置tf.keras.backend.set_learning_phase(True)，可是注意在testing的時候改變一下狀態

最後，爲何TF 2.0的教程裏面沒有說起這些？默認你已經精通Keras了嗎？[捂臉哭]

感謝

感謝柏濤 帆月 應知老師提供的幫助

[1]https://www.tensorflow.org/alpha/tutorials/images/transfer_learning?hl=zh-cn
[2] https://github.com/tensorflow/tensorflow/issues/19643
[3] https://github.com/tensorflow/tensorflow/issues/23873
[4] https://pgaleone.eu/tensorflow/keras/2019/01/19/keras-not-yet-interface-to-tensorflow/
[5]https://blog.keras.io/keras-as-a-simplified-interface-to-tensorflow-tutorial.html
[6]https://github.com/tensorflow/tensorflow/issues/16455
[7]https://github.com/keras-team/keras/issues/7085
[8]https://github.com/keras-team/keras/issues/6752

---

本文做者：爍凡

閱讀原文

本文爲雲棲社區原創內容，未經容許不得轉載。