注意力机制的特点是，它的输入向量长度可变，通过将注意力集中在最相关的部分来做出决定。注意力机制结合RNN或者CNN的方法。
1 实战描述
【主要目的：将注意力机制用在图神经网络中，完成图注意力神经网络的结构和搭建】
1.1 实现目的
有一个记录论文信息的数据集，数据集里面含有每一篇论文的关键词以及分类信息，同时还有论文间互相引用的信息。搭建AI模型，对数据集中的论文信息进行分析，使模型学习已有论文的分类特征，以便预测出未知分类的论文类别。
1.2 图注意力网络图
图注意力网络（GraphAttention Network，GAT）在GCN的基础上添加了一个隐藏的自注意力（self-attention）层。通过叠加Self-attention层，在卷积过程中可将不同的权重分配给邻域内的不同顶点，同时处理不同大小的邻域。
在实际计算时，自注意力机制可以使用多套权重同时进行计算，并且彼此之间不共享权重，能够使顶点确定知识的相关性，是否可忽略。
2 代码编写
本次要构建的图网络
2.1 代码实战：引入基础模块，设置运行环境----Cora_GAT.py（第1部分）
from pathlib import Path # 引入提升路径的兼容性 # 引入矩阵运算的相关库 import numpy as np import pandas as pd from scipy.sparse import coo_matrix,csr_matrix,diags,eye # 引入深度学习框架库 import torch from torch import nn import torch.nn.functional as F # 引入绘图库 import matplotlib.pyplot as plt import os os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE" # 1.1 导入基础模块，并设置运行环境 # 输出计算资源情况 device = torch.device('cuda')if torch.cuda.is_available() else torch.device('cpu') print(device) # 输出 cuda # 输出样本路径 path = Path('./data/cora') print(path) # 输出 cuda
输出结果：
2.2 代码实现：读取并解析论文数据----Cora_GAT.py（第2部分）
# 1.2 读取并解析论文数据 # 读取论文内容数据，将其转化为数据 paper_features_label = np.genfromtxt(path/'cora.content',dtype=np.str_) # 使用Path对象的路径构造，实例化的内容为cora.content。path/'cora.content'表示路径为'data/cora/cora.content'的字符串 print(paper_features_label,np.shape(paper_features_label)) # 打印数据集内容与数据的形状 # 取出数据集中的第一列:论文ID papers = paper_features_label[:,0].astype(np.int32) print("论文ID序列：",papers) # 输出所有论文ID # 论文重新编号，并将其映射到论文ID中，实现论文的统一管理 paper2idx = {k:v for v,k in enumerate(papers)} # 将数据中间部分的字标签取出，转化成矩阵 features = csr_matrix(paper_features_label[:,1:-1],dtype=np.float32) print("字标签矩阵的形状：",np.shape(features)) # 字标签矩阵的形状 # 将数据的最后一项的文章分类属性取出，转化为分类的索引 labels = paper_features_label[:,-1] lbl2idx = { k:v for v,k in enumerate(sorted(np.unique(labels)))} labels = [lbl2idx[e] for e in labels] print("论文类别的索引号：",lbl2idx,labels[:5])
输出：
2.3 读取并解析论文关系数据
载入论文的关系数据，将数据中用论文ID表示的关系转化成重新编号后的关系，将每篇论文当作一个顶点，论文间的引用关系作为边，这样论文的关系数据就可以用一个图结构来表示。
计算该图结构的邻接矩阵并将其转化为无向图邻接矩阵。
2.3.1 代码实现：转化矩阵----Cora_GAT.py（第3部分）
# 1.3 读取并解析论文关系数据 # 读取论文关系数据，并将其转化为数据 edges = np.genfromtxt(path/'cora.cites',dtype=np.int32) # 将数据集中论文的引用关系以数据的形式读入 print(edges,np.shape(edges)) # 转化为新编号节点间的关系：将数据集中论文ID表示的关系转化为重新编号后的关系 edges = np.asarray([paper2idx[e] for e in edges.flatten()],np.int32).reshape(edges.shape) print("新编号节点间的对应关系：",edges,edges.shape) # 计算邻接矩阵，行与列都是论文个数：由论文引用关系所表示的图结构生成邻接矩阵。 adj = coo_matrix((np.ones(edges.shape[0]), (edges[:, 0], edges[:, 1])),shape=(len(labels), len(labels)), dtype=np.float32) # 生成无向图对称矩阵：将有向图的邻接矩阵转化为无向图的邻接矩阵。Tip：转化为无向图的原因：主要用于对论文的分类，论文的引用关系主要提供单个特征之间的关联，故更看重是不是有关系，所以无向图即可。 adj_long = adj.multiply(adj.T < adj) adj = adj_long + adj_long.T
输出：
2.4 代码实现：加工图结构的矩阵数据----Cora_GAT.py（第4部分）
# 1.4 加工图结构的矩阵数据 def normalize_adj(mx): rowsum = np.array(mx.sum(1)) r_inv = np.power(rowsum,-0.5).flatten() r_inv[np.isinf(r_inv)] = 0.0 r_mat_inv = diags(r_inv) return mx.dot(r_mat_inv).transpose().dot(r_mat_inv) # 兑成归一化拉普拉斯矩阵实现邻接矩阵的转化 adj = normalize_adj(adj + eye(adj.shape[0])) # 对邻接矩阵进行转化对称归一化拉普拉斯矩阵转化
2.5 将数据转化为张量，并分配运算资源
将加工好的图结构矩阵数据转为PyTorch支持的张量类型，并将其分成3份，分别用来进行训练、测试和验证。
2.5.1 代码实现：将数据转化为张量，并分配运算资源----Cora_GAT.py（第5部分）
# 1.5 将数据转化为张量，并分配运算资源 adj = torch.FloatTensor(adj.todense()) # 节点间关系 todense()方法将其转换回稠密矩阵。 features = torch.FloatTensor(features.todense()) # 节点自身的特征 labels = torch.LongTensor(labels) # 对每个节点的分类标签 # 划分数据集 n_train = 200 # 训练数据集大小 n_val = 300 # 验证数据集大小 n_test = len(features) - n_train - n_val # 测试数据集大小 np.random.seed(34) idxs = np.random.permutation(len(features)) # 将原有的索引打乱顺序 # 计算每个数据集的索引 idx_train = torch.LongTensor(idxs[:n_train]) # 根据指定训练数据集的大小并划分出其对应的训练数据集索引 idx_val = torch.LongTensor(idxs[n_train:n_train+n_val])# 根据指定验证数据集的大小并划分出其对应的验证数据集索引 idx_test = torch.LongTensor(idxs[n_train+n_val:])# 根据指定测试数据集的大小并划分出其对应的测试数据集索引 # 分配运算资源 adj = adj.to(device) features = features.to(device) labels = labels.to(device) idx_train = idx_train.to(device) idx_val = idx_val.to(device) idx_test = idx_test.to(device)
2.6 代码实现：定义Mish激活函数与图注意力层类----Cora_GAT.py（第6部分）
# 1.6 定义Mish激活函数与图注意力层类 def mish(x): # 性能优于RElu函数 return x * (torch.tanh(F.softplus(x))) # 图注意力层类 class GraphAttentionLayer(nn.Module): # 图注意力层 # 初始化 def __init__(self,in_features,out_features,dropout=0.6): super(GraphAttentionLayer, self).__init__() self.dropout = dropout self.in_features = in_features # 定义输入特征维度 self.out_features = out_features # 定义输出特征维度 self.W = nn.Parameter(torch.zeros(size=(in_features,out_features))) nn.init.xavier_uniform_(self.W) # 初始化全连接权重 self.a = nn.Parameter(torch.zeros(size=(2 * out_features,1))) nn.init.xavier_uniform_(self.a) # 初始化注意力权重 def forward(self,input,adj): h = torch.mm(input,self.W) # 全连接处理 N = h.size()[0] # 对全连接后的特征数据分别进行基于批次维度和特征维度的复制，并将复制结果连接在一起。 # 这种操作使得顶点中的特征数据进行了充分的排列组合，结果中的每行信息都包含两个顶点特征。接下来的注意力机制便是基于每对顶点特征进行计算的。 a_input = torch.cat([h.repeat(1,N).view(N * N ,-1),h.repeat(N,1)],dim=1).view(N,-1,2 * self.out_features) # 主要功能将顶点特征两两搭配，连接在一起，生成数据形状[N,N,2 * self.out_features] e = mish(torch.matmul(a_input,self.a).squeeze(2)) # 计算注意力 zero_vec = -9e15 * torch.ones_like(e) # 初始化最小值：该值用于填充被过滤掉的特征对象atenion。如果在过滤时，直接对过滤排的特征赋值为0，那么模型会无法收敛。 attention = torch.where(adj>0,e,zero_vec) # 过滤注意力 ：按照邻接矩阵中大于0的边对注意力结果进行过滤，使注意力按照图中的顶点配对的范围进行计算。 attention = F.softmax(attention,dim=1) # 对注意力分数进行归一化：使用F.Sofmax()函数对最终的注意力机制进行归一化，得到注意力分数(总和为1)。 attention = F.dropout(attention,self.dropout,training=self.training) h_prime = torch.matmul(attention,h) # 使用注意力处理特征：将最终的注意力作用到全连接的结果上以完成计算。 return mish(h_prime)
2.7 代码实现：搭建图注意力模型----Cora_GAT.py（第7部分）
# 1.7 搭建图注意力模型 class GAT(nn.Module):# 图注意力模型类 def __init__(self,nfeat,nclasses,nhid,dropout,nheads): # 图注意力模型类的初始化方法，支持多套注意力机制同时运算，其参数nheads用于指定注意力的计算套数。 super(GAT, self).__init__() # 注意力层 self.attentions = [GraphAttentionLayer(nfeat,nhid,dropout) for _ in range(nheads)] # 按照指定的注意力套数生成多套注意力层 for i , attention in enumerate(self.attentions): # 将注意力层添加到模型 self.add_module('attention_{}'.format(i),attention) # 输出层 self.out_att = GraphAttentionLayer(nhid * nheads,nclasses,dropout) def forward(self,x,adj): # 定义正向传播方法 x = torch.cat([att(x, adj) for att in self.attentions], dim=1) return self.out_att(x, adj) n_labels = labels.max().item() + 1 # 获取分类个数7 n_features = features.shape[1] # 获取节点特征维度 1433 print(n_labels,n_features) # 输出7与1433 def accuracy(output,y): # 定义函数计算准确率 return (output.argmax(1) == y).type(torch.float32).mean().item() ### 定义函数来实现模型的训练过程。与深度学习任务不同，图卷积在训练时需要传入样本间的关系数据。 # 因为该关系数据是与节点数相等的方阵，所以传入的样本数也要与节点数相同，在计算loss值时，可以通过索引从总的运算结果中取出训练集的结果。 def step(): # 定义函数来训练模型 Tip：在图卷积任务中，无论是用模型进行预测还是训练，都需要将全部的图结构方阵输入 model.train() optimizer.zero_grad() output = model(features,adj) # 将全部数据载入模型，只用训练数据计算损失 loss = F.cross_entropy(output[idx_train],labels[idx_train]) acc = accuracy(output[idx_train],labels[idx_train]) # 计算准确率 loss.backward() optimizer.step() return loss.item(),acc def evaluate(idx): # 定义函数来评估模型 Tip：在图卷积任务中，无论是用模型进行预测还是训练，都需要将全部的图结构方阵输入 model.eval() output = model(features, adj) # 将全部数据载入模型，用指定索引评估模型结果 loss = F.cross_entropy(output[idx], labels[idx]).item() return loss, accuracy(output[idx], labels[idx])
2.8 Ranger优化器
图卷积神经网络的层数不宜过多，一般在3层左右即可。本例将实现一个3层的图卷积神经网络，每层的维度变化如图9-15所示。
使用循环语句训练模型，并将模型结果可视化。
2.8.1 代码实现：用Ranger优化器训练模型并可视化结果----Cora_GAT.py（第8部分）
# 1.8 使用Ranger优化器训练模型并可视化 model = GAT(n_features, n_labels, 16,0.1,8).to(device) # 向GAT传入的后3个参数分别代表输出维度(16）、Dropout的丢弃率（0.1）、注意力的计算套数（8） from tqdm import tqdm from Cora_ranger import * # 引入Ranger优化器 optimizer = Ranger(model.parameters()) # 使用Ranger优化器 # 训练模型 epochs = 1000 print_steps = 50 train_loss, train_acc = [], [] val_loss, val_acc = [], [] for i in tqdm(range(epochs)): tl,ta = step() train_loss = train_loss + [tl] train_acc = train_acc + [ta] if (i+1) % print_steps == 0 or i == 0: tl,ta = evaluate(idx_train) vl,va = evaluate(idx_val) val_loss = val_loss + [vl] val_acc = val_acc + [va] print(f'{i + 1:6d}/{epochs}: train_loss={tl:.4f}, train_acc={ta:.4f}' + f', val_loss={vl:.4f}, val_acc={va:.4f}') # 输出最终结果 final_train, final_val, final_test = evaluate(idx_train), evaluate(idx_val), evaluate(idx_test) print(f'Train : loss={final_train[0]:.4f}, accuracy={final_train[1]:.4f}') print(f'Validation: loss={final_val[0]:.4f}, accuracy={final_val[1]:.4f}') print(f'Test : loss={final_test[0]:.4f}, accuracy={final_test[1]:.4f}') # 可视化训练过程 fig, axes = plt.subplots(1, 2, figsize=(15,5)) ax = axes[0] axes[0].plot(train_loss[::print_steps] + [train_loss[-1]], label='Train') axes[0].plot(val_loss, label='Validation') axes[1].plot(train_acc[::print_steps] + [train_acc[-1]], label='Train') axes[1].plot(val_acc, label='Validation') for ax,t in zip(axes, ['Loss', 'Accuracy']): ax.legend(), ax.set_title(t, size=15) # 输出模型的预测结果 output = model(features, adj) samples = 10 idx_sample = idx_test[torch.randperm(len(idx_test))[:samples]] # 将样本标签与预测结果进行比较 idx2lbl = {v:k for k,v in lbl2idx.items()} df = pd.DataFrame({'Real': [idx2lbl[e] for e in labels[idx_sample].tolist()],'Pred': [idx2lbl[e] for e in output[idx_sample].argmax(1).tolist()]}) print(df)
2.7 程序输出汇总
2.7.1 训练过程
2.7.2 训练结果
3 代码汇总
3.1 Cora_GAT.py
from pathlib import Path # 引入提升路径的兼容性 # 引入矩阵运算的相关库 import numpy as np import pandas as pd from scipy.sparse import coo_matrix,csr_matrix,diags,eye # 引入深度学习框架库 import torch from torch import nn import torch.nn.functional as F # 引入绘图库 import matplotlib.pyplot as plt import os os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE" # 1.1 导入基础模块，并设置运行环境 # 输出计算资源情况 device = torch.device('cuda')if torch.cuda.is_available() else torch.device('cpu') print(device) # 输出 cuda # 输出样本路径 path = Path('./data/cora') print(path) # 输出 cuda # 1.2 读取并解析论文数据 # 读取论文内容数据，将其转化为数据 paper_features_label = np.genfromtxt(path/'cora.content',dtype=np.str_) # 使用Path对象的路径构造，实例化的内容为cora.content。path/'cora.content'表示路径为'data/cora/cora.content'的字符串 print(paper_features_label,np.shape(paper_features_label)) # 打印数据集内容与数据的形状 # 取出数据集中的第一列:论文ID papers = paper_features_label[:,0].astype(np.int32) print("论文ID序列：",papers) # 输出所有论文ID # 论文重新编号，并将其映射到论文ID中，实现论文的统一管理 paper2idx = {k:v for v,k in enumerate(papers)} # 将数据中间部分的字标签取出，转化成矩阵 features = csr_matrix(paper_features_label[:,1:-1],dtype=np.float32) print("字标签矩阵的形状：",np.shape(features)) # 字标签矩阵的形状 # 将数据的最后一项的文章分类属性取出，转化为分类的索引 labels = paper_features_label[:,-1] lbl2idx = { k:v for v,k in enumerate(sorted(np.unique(labels)))} labels = [lbl2idx[e] for e in labels] print("论文类别的索引号：",lbl2idx,labels[:5]) # 1.3 读取并解析论文关系数据 # 读取论文关系数据，并将其转化为数据 edges = np.genfromtxt(path/'cora.cites',dtype=np.int32) # 将数据集中论文的引用关系以数据的形式读入 print(edges,np.shape(edges)) # 转化为新编号节点间的关系：将数据集中论文ID表示的关系转化为重新编号后的关系 edges = np.asarray([paper2idx[e] for e in edges.flatten()],np.int32).reshape(edges.shape) print("新编号节点间的对应关系：",edges,edges.shape) # 计算邻接矩阵，行与列都是论文个数：由论文引用关系所表示的图结构生成邻接矩阵。 adj = coo_matrix((np.ones(edges.shape[0]), (edges[:, 0], edges[:, 1])),shape=(len(labels), len(labels)), dtype=np.float32) # 生成无向图对称矩阵：将有向图的邻接矩阵转化为无向图的邻接矩阵。Tip：转化为无向图的原因：主要用于对论文的分类，论文的引用关系主要提供单个特征之间的关联，故更看重是不是有关系，所以无向图即可。 adj_long = adj.multiply(adj.T < adj) adj = adj_long + adj_long.T # 1.4 加工图结构的矩阵数据 def normalize_adj(mx): rowsum = np.array(mx.sum(1)) r_inv = np.power(rowsum,-0.5).flatten() r_inv[np.isinf(r_inv)] = 0.0 r_mat_inv = diags(r_inv) return mx.dot(r_mat_inv).transpose().dot(r_mat_inv) # 兑成归一化拉普拉斯矩阵实现邻接矩阵的转化 adj = normalize_adj(adj + eye(adj.shape[0])) # 对邻接矩阵进行转化对称归一化拉普拉斯矩阵转化 # 1.5 将数据转化为张量，并分配运算资源 adj = torch.FloatTensor(adj.todense()) # 节点间关系 todense()方法将其转换回稠密矩阵。 features = torch.FloatTensor(features.todense()) # 节点自身的特征 labels = torch.LongTensor(labels) # 对每个节点的分类标签 # 划分数据集 n_train = 200 # 训练数据集大小 n_val = 300 # 验证数据集大小 n_test = len(features) - n_train - n_val # 测试数据集大小 np.random.seed(34) idxs = np.random.permutation(len(features)) # 将原有的索引打乱顺序 # 计算每个数据集的索引 idx_train = torch.LongTensor(idxs[:n_train]) # 根据指定训练数据集的大小并划分出其对应的训练数据集索引 idx_val = torch.LongTensor(idxs[n_train:n_train+n_val])# 根据指定验证数据集的大小并划分出其对应的验证数据集索引 idx_test = torch.LongTensor(idxs[n_train+n_val:])# 根据指定测试数据集的大小并划分出其对应的测试数据集索引 # 分配运算资源 adj = adj.to(device) features = features.to(device) labels = labels.to(device) idx_train = idx_train.to(device) idx_val = idx_val.to(device) idx_test = idx_test.to(device) # 1.6 定义Mish激活函数与图注意力层类 def mish(x): # 性能优于RElu函数 return x * (torch.tanh(F.softplus(x))) # 图注意力层类 class GraphAttentionLayer(nn.Module): # 图注意力层 # 初始化 def __init__(self,in_features,out_features,dropout=0.6): super(GraphAttentionLayer, self).__init__() self.dropout = dropout self.in_features = in_features # 定义输入特征维度 self.out_features = out_features # 定义输出特征维度 self.W = nn.Parameter(torch.zeros(size=(in_features,out_features))) nn.init.xavier_uniform_(self.W) # 初始化全连接权重 self.a = nn.Parameter(torch.zeros(size=(2 * out_features,1))) nn.init.xavier_uniform_(self.a) # 初始化注意力权重 def forward(self,input,adj): h = torch.mm(input,self.W) # 全连接处理 N = h.size()[0] # 对全连接后的特征数据分别进行基于批次维度和特征维度的复制，并将复制结果连接在一起。 # 这种操作使得顶点中的特征数据进行了充分的排列组合，结果中的每行信息都包含两个顶点特征。接下来的注意力机制便是基于每对顶点特征进行计算的。 a_input = torch.cat([h.repeat(1,N).view(N * N ,-1),h.repeat(N,1)],dim=1).view(N,-1,2 * self.out_features) # 主要功能将顶点特征两两搭配，连接在一起，生成数据形状[N,N,2 * self.out_features] e = mish(torch.matmul(a_input,self.a).squeeze(2)) # 计算注意力 zero_vec = -9e15 * torch.ones_like(e) # 初始化最小值：该值用于填充被过滤掉的特征对象atenion。如果在过滤时，直接对过滤排的特征赋值为0，那么模型会无法收敛。 attention = torch.where(adj>0,e,zero_vec) # 过滤注意力 ：按照邻接矩阵中大于0的边对注意力结果进行过滤，使注意力按照图中的顶点配对的范围进行计算。 attention = F.softmax(attention,dim=1) # 对注意力分数进行归一化：使用F.Sofmax()函数对最终的注意力机制进行归一化，得到注意力分数(总和为1)。 attention = F.dropout(attention,self.dropout,training=self.training) h_prime = torch.matmul(attention,h) # 使用注意力处理特征：将最终的注意力作用到全连接的结果上以完成计算。 return mish(h_prime) # 1.7 搭建图注意力模型 class GAT(nn.Module):# 图注意力模型类 def __init__(self,nfeat,nclasses,nhid,dropout,nheads): # 图注意力模型类的初始化方法，支持多套注意力机制同时运算，其参数nheads用于指定注意力的计算套数。 super(GAT, self).__init__() # 注意力层 self.attentions = [GraphAttentionLayer(nfeat,nhid,dropout) for _ in range(nheads)] # 按照指定的注意力套数生成多套注意力层 for i , attention in enumerate(self.attentions): # 将注意力层添加到模型 self.add_module('attention_{}'.format(i),attention) # 输出层 self.out_att = GraphAttentionLayer(nhid * nheads,nclasses,dropout) def forward(self,x,adj): # 定义正向传播方法 x = torch.cat([att(x, adj) for att in self.attentions], dim=1) return self.out_att(x, adj) n_labels = labels.max().item() + 1 # 获取分类个数7 n_features = features.shape[1] # 获取节点特征维度 1433 print(n_labels,n_features) # 输出7与1433 def accuracy(output,y): # 定义函数计算准确率 return (output.argmax(1) == y).type(torch.float32).mean().item() ### 定义函数来实现模型的训练过程。与深度学习任务不同，图卷积在训练时需要传入样本间的关系数据。 # 因为该关系数据是与节点数相等的方阵，所以传入的样本数也要与节点数相同，在计算loss值时，可以通过索引从总的运算结果中取出训练集的结果。 def step(): # 定义函数来训练模型 Tip：在图卷积任务中，无论是用模型进行预测还是训练，都需要将全部的图结构方阵输入 model.train() optimizer.zero_grad() output = model(features,adj) # 将全部数据载入模型，只用训练数据计算损失 loss = F.cross_entropy(output[idx_train],labels[idx_train]) acc = accuracy(output[idx_train],labels[idx_train]) # 计算准确率 loss.backward() optimizer.step() return loss.item(),acc def evaluate(idx): # 定义函数来评估模型 Tip：在图卷积任务中，无论是用模型进行预测还是训练，都需要将全部的图结构方阵输入 model.eval() output = model(features, adj) # 将全部数据载入模型，用指定索引评估模型结果 loss = F.cross_entropy(output[idx], labels[idx]).item() return loss, accuracy(output[idx], labels[idx]) # 1.8 使用Ranger优化器训练模型并可视化 model = GAT(n_features, n_labels, 16,0.1,8).to(device) # 向GAT传入的后3个参数分别代表输出维度(16）、Dropout的丢弃率（0.1）、注意力的计算套数（8） from tqdm import tqdm from Cora_ranger import * # 引入Ranger优化器 optimizer = Ranger(model.parameters()) # 使用Ranger优化器 # 训练模型 epochs = 1000 print_steps = 50 train_loss, train_acc = [], [] val_loss, val_acc = [], [] for i in tqdm(range(epochs)): tl,ta = step() train_loss = train_loss + [tl] train_acc = train_acc + [ta] if (i+1) % print_steps == 0 or i == 0: tl,ta = evaluate(idx_train) vl,va = evaluate(idx_val) val_loss = val_loss + [vl] val_acc = val_acc + [va] print(f'{i + 1:6d}/{epochs}: train_loss={tl:.4f}, train_acc={ta:.4f}' + f', val_loss={vl:.4f}, val_acc={va:.4f}') # 输出最终结果 final_train, final_val, final_test = evaluate(idx_train), evaluate(idx_val), evaluate(idx_test) print(f'Train : loss={final_train[0]:.4f}, accuracy={final_train[1]:.4f}') print(f'Validation: loss={final_val[0]:.4f}, accuracy={final_val[1]:.4f}') print(f'Test : loss={final_test[0]:.4f}, accuracy={final_test[1]:.4f}') # 可视化训练过程 fig, axes = plt.subplots(1, 2, figsize=(15,5)) ax = axes[0] axes[0].plot(train_loss[::print_steps] + [train_loss[-1]], label='Train') axes[0].plot(val_loss, label='Validation') axes[1].plot(train_acc[::print_steps] + [train_acc[-1]], label='Train') axes[1].plot(val_acc, label='Validation') for ax,t in zip(axes, ['Loss', 'Accuracy']): ax.legend(), ax.set_title(t, size=15) # 输出模型的预测结果 output = model(features, adj) samples = 10 idx_sample = idx_test[torch.randperm(len(idx_test))[:samples]] # 将样本标签与预测结果进行比较 idx2lbl = {v:k for k,v in lbl2idx.items()} df = pd.DataFrame({'Real': [idx2lbl[e] for e in labels[idx_sample].tolist()],'Pred': [idx2lbl[e] for e in output[idx_sample].argmax(1).tolist()]}) print(df)
3.2 Cora_ranger.py
#Ranger deep learning optimizer - RAdam + Lookahead combined. #https://github.com/lessw2020/Ranger-Deep-Learning-Optimizer #Ranger has now been used to capture 12 records on the FastAI leaderboard. #This version = 9.3.19 #Credits: #RAdam --> https://github.com/LiyuanLucasLiu/RAdam #Lookahead --> rewritten by lessw2020, but big thanks to Github @LonePatient and @RWightman for ideas from their code. #Lookahead paper --> MZhang,G Hinton https://arxiv.org/abs/1907.08610 #summary of changes: #full code integration with all updates at param level instead of group, moves slow weights into state dict (from generic weights), #supports group learning rates (thanks @SHolderbach), fixes sporadic load from saved model issues. #changes 8/31/19 - fix references to *self*.N_sma_threshold; #changed eps to 1e-5 as better default than 1e-8. import math import torch from torch.optim.optimizer import Optimizer, required import itertools as it class Ranger(Optimizer): def __init__(self, params, lr=1e-3, alpha=0.5, k=6, N_sma_threshhold=5, betas=(.95,0.999), eps=1e-5, weight_decay=0): #parameter checks if not 0.0 <= alpha <= 1.0: raise ValueError(f'Invalid slow update rate: {alpha}') if not 1 <= k: raise ValueError(f'Invalid lookahead steps: {k}') if not lr > 0: raise ValueError(f'Invalid Learning Rate: {lr}') if not eps > 0: raise ValueError(f'Invalid eps: {eps}') #parameter comments: # beta1 (momentum) of .95 seems to work better than .90... #N_sma_threshold of 5 seems better in testing than 4. #In both cases, worth testing on your dataset (.90 vs .95, 4 vs 5) to make sure which works best for you. #prep defaults and init torch.optim base defaults = dict(lr=lr, alpha=alpha, k=k, step_counter=0, betas=betas, N_sma_threshhold=N_sma_threshhold, eps=eps, weight_decay=weight_decay) super().__init__(params,defaults) #adjustable threshold self.N_sma_threshhold = N_sma_threshhold #now we can get to work... #removed as we now use step from RAdam...no need for duplicate step counting #for group in self.param_groups: # group["step_counter"] = 0 #print("group step counter init") #look ahead params self.alpha = alpha self.k = k #radam buffer for state self.radam_buffer = [[None,None,None] for ind in range(10)] #self.first_run_check=0 #lookahead weights #9/2/19 - lookahead param tensors have been moved to state storage. #This should resolve issues with load/save where weights were left in GPU memory from first load, slowing down future runs. #self.slow_weights = [[p.clone().detach() for p in group['params']] # for group in self.param_groups] #don't use grad for lookahead weights #for w in it.chain(*self.slow_weights): # w.requires_grad = False def __setstate__(self, state): print("set state called") super(Ranger, self).__setstate__(state) def step(self, closure=None): loss = None #note - below is commented out b/c I have other work that passes back the loss as a float, and thus not a callable closure. #Uncomment if you need to use the actual closure... #if closure is not None: #loss = closure() #Evaluate averages and grad, update param tensors for group in self.param_groups: for p in group['params']: if p.grad is None: continue grad = p.grad.data.float() if grad.is_sparse: raise RuntimeError('Ranger optimizer does not support sparse gradients') p_data_fp32 = p.data.float() state = self.state[p] #get state dict for this param if len(state) == 0: #if first time to run...init dictionary with our desired entries #if self.first_run_check==0: #self.first_run_check=1 #print("Initializing slow buffer...should not see this at load from saved model!") state['step'] = 0 state['exp_avg'] = torch.zeros_like(p_data_fp32) state['exp_avg_sq'] = torch.zeros_like(p_data_fp32) #look ahead weight storage now in state dict state['slow_buffer'] = torch.empty_like(p.data) state['slow_buffer'].copy_(p.data) else: state['exp_avg'] = state['exp_avg'].type_as(p_data_fp32) state['exp_avg_sq'] = state['exp_avg_sq'].type_as(p_data_fp32) #begin computations exp_avg, exp_avg_sq = state['exp_avg'], state['exp_avg_sq'] beta1, beta2 = group['betas'] #compute variance mov avg exp_avg_sq.mul_(beta2).addcmul_(1 - beta2, grad, grad) #compute mean moving avg exp_avg.mul_(beta1).add_(1 - beta1, grad) state['step'] += 1 buffered = self.radam_buffer[int(state['step'] % 10)] if state['step'] == buffered[0]: N_sma, step_size = buffered[1], buffered[2] else: buffered[0] = state['step'] beta2_t = beta2 ** state['step'] N_sma_max = 2 / (1 - beta2) - 1 N_sma = N_sma_max - 2 * state['step'] * beta2_t / (1 - beta2_t) buffered[1] = N_sma if N_sma > self.N_sma_threshhold: step_size = math.sqrt((1 - beta2_t) * (N_sma - 4) / (N_sma_max - 4) * (N_sma - 2) / N_sma * N_sma_max / (N_sma_max - 2)) / (1 - beta1 ** state['step']) else: step_size = 1.0 / (1 - beta1 ** state['step']) buffered[2] = step_size if group['weight_decay'] != 0: p_data_fp32.add_(-group['weight_decay'] * group['lr'], p_data_fp32) if N_sma > self.N_sma_threshhold: denom = exp_avg_sq.sqrt().add_(group['eps']) p_data_fp32.addcdiv_(-step_size * group['lr'], exp_avg, denom) else: p_data_fp32.add_(-step_size * group['lr'], exp_avg) p.data.copy_(p_data_fp32) #integrated look ahead... #we do it at the param level instead of group level if state['step'] % group['k'] == 0: slow_p = state['slow_buffer'] #get access to slow param tensor slow_p.add_(self.alpha, p.data - slow_p) #(fast weights - slow weights) * alpha p.data.copy_(slow_p) #copy interpolated weights to RAdam param tensor return loss
