Applica lo SageMaker smart sifting al tuo script PyTorch

Configura l'interfaccia SageMaker smart sifting.

La libreria SageMaker intelligente di setacciamento implementa una tecnica di campionamento basata sulla perdita a soglia relativa che aiuta a filtrare i campioni con un impatto minore sulla riduzione del valore della perdita. L'algoritmo SageMaker smart sifting calcola il valore di perdita di ogni campione di dati di input utilizzando un forward pass e ne calcola il percentile relativo rispetto ai valori di perdita dei dati precedenti.

È necessario specificare i due parametri seguenti per la classe RelativeProbabilisticSiftConfig per creare un oggetto di configurazione di sifting.

Il seguente esempio di codice mostra l’impostazione di un oggetto della classe RelativeProbabilisticSiftConfig.

from smart_sifting.sift_config.sift_configs import (
    RelativeProbabilisticSiftConfig
    LossConfig
    SiftingBaseConfig
)

sift_config=RelativeProbabilisticSiftConfig(
    beta_value=0.5,
    loss_history_length=500,
    loss_based_sift_config=LossConfig(
         sift_config=SiftingBaseConfig(sift_delay=0)
    )
)

Per ulteriori informazioni sul loss_based_sift_config parametro e sulle classi correlate, consulta la sezione di riferimento di SageMaker smart SageMaker moduli di configurazione smart sifting sifting Python SDK.

L’oggetto sift_config nell’esempio di codice precedente viene utilizzato nella fase 4 per configurare la classe SiftingDataloader.

(Facoltativo) Configura una classe di trasformazione SageMaker batch smart sifting.

Casi d’uso diversi per l’addestramento richiedono formati di dati di addestramento differenti. Data la varietà di formati di dati, l'algoritmo di setacciamento SageMaker intelligente deve identificare come eseguire il setacciamento su un determinato batch. Per risolvere questo problema, SageMaker smart sifting fornisce un modulo di trasformazione batch che aiuta a convertire i batch in formati standardizzati che può setacciare in modo efficiente.

1. SageMaker smart sifting gestisce la trasformazione in batch dei dati di addestramento nei seguenti formati: elenchi Python, dizionari, tuple e tensori. Per questi formati di dati, SageMaker smart sifting gestisce automaticamente la conversione del formato di dati in batch e puoi saltare il resto di questo passaggio. Se salti questa fase, nella fase 4 per la configurazione di SiftingDataloader, mantieni il valore predefinito del parametro batch_transforms di SiftingDataloader, ovvero None.

2. Se il set di dati non è in questi formati, procedi con il resto di questa fase per creare una trasformazione in batch personalizzata mediante SiftingBatchTransform.

   Nei casi in cui il set di dati non è in uno dei formati supportati da SageMaker Smart Sifting, potresti incorrere in errori. Tali errori di formato dei dati possono essere risolti aggiungendo il parametro batch_format_index oppure batch_transforms alla classe SiftingDataloader, configurata nella fase 4. Di seguito sono riportati alcuni esempi di errori dovuti a un formato di dati incompatibile e le relative risoluzioni.

   Messaggio di errore	Risoluzione
   I batch di tipo non {type(batch)} sono supportati per impostazione predefinita.	Questo errore indica che il formato del batch non è supportato per impostazione predefinita. È necessario implementare una classe di trasformazione in batch personalizzata e utilizzarla specificandola nel parametro batch_transforms della classe SiftingDataloader.
   Impossibile indicizzare il batch di tipo {type(batch)}	Questo errore indica che l’oggetto di batch non può essere indicizzato normalmente. L’utente deve implementare una trasformazione in batch personalizzata e passarla utilizzando il parametro batch_transforms.
   {batch_size}La dimensione del batch non corrisponde alle dimensioni della dimensione 0 o della dimensione 1	Questo errore si verifica quando la dimensione del batch fornita non corrisponde alla dimensione 0 oppure 1 del batch. L’utente deve implementare una trasformazione in batch personalizzata e passarla utilizzando il parametro batch_transforms.
   Both dimension 0 and dimension 1 match batch size	Questo errore indica che, poiché più dimensioni corrispondono alla dimensione del batch fornita, sono necessarie ulteriori informazioni per filtrare il batch. L’utente può fornire il parametro batch_format_index per indicare se il batch è indicizzabile per campione o funzionalità. Gli utenti possono anche implementare una trasformazione in batch personalizzata, che tuttavia richiede più lavoro del necessario.

   Per risolvere i problemi sopra menzionati, è necessario creare una classe di trasformazione in batch personalizzata utilizzando il modulo SiftingBatchTransform. Una classe di trasformazione in batch deve essere costituita da una coppia di funzioni di trasformazione diretta e trasformazione inversa. La coppia di funzioni converte il formato dei dati in un formato che l'algoritmo SageMaker Smart Sifting può elaborare. Dopo aver creato una classe di trasformazione in batch, questa restituisce un oggetto SiftingBatch da passare alla classe SiftingDataloader nella fase 4.

   Di seguito sono riportati alcuni esempi di classi di trasformazione in batch personalizzate del modulo SiftingBatchTransform.

   • Un esempio di implementazione personalizzata di trasformazione in batch di elenchi con SageMaker smart sifting per i casi in cui il blocco dataloader contiene input, maschere ed etichette.

     from typing import Any
     
     import torch
     
     from smart_sifting.data_model.data_model_interface import SiftingBatchTransform
     from smart_sifting.data_model.list_batch import ListBatch
     
     class ListBatchTransform(SiftingBatchTransform):
         def transform(self, batch: Any):
             inputs = batch[0].tolist()
             labels = batch[-1].tolist()  # assume the last one is the list of labels
             return ListBatch(inputs, labels)
     
         def reverse_transform(self, list_batch: ListBatch):
             a_batch = [torch.tensor(list_batch.inputs), torch.tensor(list_batch.labels)]
             return a_batch

   • Un esempio di implementazione personalizzata di trasformazione batch di elenchi con SageMaker smart sifting per i casi in cui non sono necessarie etichette per la trasformazione inversa.

     class ListBatchTransformNoLabels(SiftingBatchTransform):
         def transform(self, batch: Any):
             return ListBatch(batch[0].tolist())
     
         def reverse_transform(self, list_batch: ListBatch):
             a_batch = [torch.tensor(list_batch.inputs)]
             return a_batch

   • Un esempio di implementazione di tensor batch personalizzata con SageMaker smart sifting per i casi in cui il blocco del caricatore di dati contiene input, maschere ed etichette.

     from typing import Any
     
     from smart_sifting.data_model.data_model_interface import SiftingBatchTransform
     from smart_sifting.data_model.tensor_batch import TensorBatch
     
     class TensorBatchTransform(SiftingBatchTransform):
         def transform(self, batch: Any):
             a_tensor_batch = TensorBatch(
                 batch[0], batch[-1]
             )  # assume the last one is the list of labels
             return a_tensor_batch
     
         def reverse_transform(self, tensor_batch: TensorBatch):
             a_batch = [tensor_batch.inputs, tensor_batch.labels]
             return a_batch

   Dopo aver creato una classe di trasformazione in batch implementata da SiftingBatchTransform, utilizza questa classe nella fase 4 per configurare la classe SiftingDataloader. Il resto di questa guida presuppone la creazione di una classe ListBatchTransform. Nella fase 4, questa classe viene passata a batch_transforms.

Crea una classe per implementare l'interfaccia smart sifting. SageMaker Loss Questo tutorial presuppone che la classe sia denominata SiftingImplementedLoss. Durante la configurazione di questa classe, è consigliabile utilizzare la stessa funzione di perdita nel ciclo di addestramento dei modelli. Segui i seguenti passaggi secondari per creare una classe implementata con SageMaker Smart Sifting. Loss

1. SageMaker smart sifting calcola un valore di perdita per ogni campione di dati di addestramento, anziché calcolare un singolo valore di perdita per un batch. Per garantire che SageMaker smart sifting utilizzi la stessa logica di calcolo delle perdite, create una funzione di perdita implementata da smart-sifting utilizzando il Loss modulo SageMaker smart sifting che utilizza la vostra funzione di perdita e calcola la perdita per campione di allenamento.

   Suggerimento

   SageMaker L'algoritmo smart sifting viene eseguito su ogni campione di dati, non sull'intero batch, quindi è necessario aggiungere una funzione di inizializzazione per impostare la funzione di perdita senza alcuna strategia di riduzione. PyTorch

   class SiftingImplementedLoss(Loss):  
       def __init__(self):
           self.loss = torch.nn.CrossEntropyLoss(reduction='none')

   Questo processo viene mostrato anche nell’esempio di codice seguente.

2. Definite una funzione di perdita che accetti original_batch (o transformed_batch se avete impostato una trasformazione batch nel passaggio 2) e il PyTorch modello. Utilizzando la funzione di perdita specificata senza alcuna riduzione, SageMaker smart sifting esegue un passaggio in avanti per ciascun campione di dati per valutarne il valore di perdita.

Il codice seguente è un esempio di interfaccia Loss implementata con smart sifting denominata SiftingImplementedLoss.

from typing import Any

import torch
import torch.nn as nn
from torch import Tensor

from smart_sifting.data_model.data_model_interface import SiftingBatch
from smart_sifting.loss.abstract_sift_loss_module import Loss

model=... # a PyTorch model based on torch.nn.Module

class SiftingImplementedLoss(Loss):   
    # You should add the following initializaztion function 
    # to calculate loss per sample, not per batch.
    def __init__(self):
        self.loss_no_reduction = torch.nn.CrossEntropyLoss(reduction='none')

    def loss(
        self,
        model: torch.nn.Module,
        transformed_batch: SiftingBatch,
        original_batch: Any = None,
    ) -> torch.Tensor:
        device = next(model.parameters()).device
        batch = [t.to(device) for t in original_batch] # use this if you use original batch and skipped step 2
        # batch = [t.to(device) for t in transformed_batch] # use this if you transformed batches in step 2

        # compute loss
        outputs = model(batch)
        return self.loss_no_reduction(outputs.logits, batch[2])

Prima che il ciclo di addestramento raggiunga l’effettivo passaggio avanti, questo calcolo della perdita di sifting viene eseguito durante la fase di caricamento dei dati di recupero di un batch in ogni iterazione. Il valore di perdita individuale viene quindi confrontato con i valori di perdita precedenti e il relativo percentile relativo viene stimato in base all’oggetto di RelativeProbabilisticSiftConfig impostato nella fase 1.

Raggruppa il caricatore di PyTroch dati in base alla classe SageMaker AISiftingDataloader.

Infine, utilizza tutte le classi implementate con SageMaker Smart Sifting che hai configurato nei passaggi precedenti per accedere alla classe di SiftingDataloder configurazione SageMaker AI. Questa classe è un involucro per. PyTorch DataLoader Concludendo PyTorchDataLoader, SageMaker smart sifting viene registrato per essere eseguito come parte del caricamento dei dati in ogni iterazione di un processo di formazione. PyTorch Il seguente esempio di codice dimostra l'implementazione del setacciamento dei dati SageMaker AI su un. PyTorch DataLoader

from smart_sifting.dataloader.sift_dataloader import SiftingDataloader
from torch.utils.data import DataLoader

train_dataloader = DataLoader(...) # PyTorch data loader

# Wrap the PyTorch data loader by SiftingDataloder
train_dataloader = SiftingDataloader(
    sift_config=sift_config, # config object of RelativeProbabilisticSiftConfig
    orig_dataloader=train_dataloader,
    batch_transforms=ListBatchTransform(), # Optional, this is the custom class from step 2
    loss_impl=SiftingImplementedLoss(), # PyTorch loss function wrapped by the Sifting Loss interface
    model=model,
    log_batch_data=False
)