Flux.jl中自定义AbstractMatrix子类型的优化实践
2025-06-12 20:18:50作者:董斯意
摘要
在Flux.jl深度学习框架中,自定义矩阵类型并使其与自动微分(AD)和优化器协同工作是一个常见需求。本文将详细介绍如何创建继承自AbstractMatrix的自定义矩阵类型,并使其完全兼容Flux.jl的自动微分和优化系统。
自定义矩阵类型基础
首先我们定义一个简单的矩阵类型,它由两个标准矩阵相加组成:
struct MyMatrix{T <: Number, U <: AbstractMatrix{T}} <: AbstractMatrix{T}
A::U
B::U
end
这个类型继承自AbstractMatrix,意味着它可以被当作普通矩阵使用。我们需要为其实现基本的矩阵接口:
Base.size(M::MyMatrix) = size(M.A)
Base.getindex(M::MyMatrix, i, j) = M.A[i, j] + M.B[i, j]
矩阵-向量乘法实现
为了使自定义矩阵能够参与神经网络计算,我们需要实现矩阵-向量乘法:
M::MyMatrix * b::AbstractVector = my_mul(M, b)
my_mul(M::MyMatrix, b::AbstractVector) = M.A * b .+ M.B * b
这种实现方式将矩阵乘法分解为两个标准矩阵乘法的和,这在某些场景下可以提高计算效率或实现特殊功能。
自动微分支持
要使自定义矩阵支持自动微分,我们需要处理ChainRules的规则。由于继承自AbstractMatrix会触发一些默认规则,我们需要显式地处理这些情况:
using ChainRulesCore
# 禁用默认的矩阵乘法规则
ChainRulesCore.@opt_out ChainRulesCore.rrule(
::typeof(Base.:*), ::MyMatrix,
::ChainRulesCore.AbstractVecOrMat{<:Union{Real, Complex}}
)
# 自定义矩阵乘法的反向传播规则
function ChainRulesCore.rrule(::typeof(my_mul), M::MyMatrix, b::AbstractVector)
result = M.A * b .+ M.B * b
result, Δ -> (
NoTangent(),
Tangent{typeof(M)}(A = zero(M.A), B = zero(M.B)),
NoTangent(),
)
end
与Flux.jl集成
为了使自定义矩阵能够被Flux的训练系统识别和处理,我们需要使用Functors.jl的功能来指定哪些字段是可训练的:
Flux.Functors.@functor MyMatrix (A, B)
这一步至关重要,它告诉Flux将矩阵内部的A和B字段视为可训练参数,而不是将整个MyMatrix对象视为一个不可分割的参数。
优化器支持
最后,我们需要确保自定义矩阵可以与Flux的优化器协同工作。这通常不需要额外代码,因为Functors.jl已经正确地将矩阵分解为可训练的子组件。
完整示例
将上述所有部分组合起来,我们得到一个完整的、可与Flux.jl协同工作的自定义矩阵类型:
using Flux, ChainRulesCore
import Base: *
struct MyMatrix{T <: Number, U <: AbstractMatrix{T}} <: AbstractMatrix{T}
A::U
B::U
end
# 基本矩阵接口实现
Base.show(io::IO, ::MyMatrix) = print(io, "MyMatrix")
Base.show(io::IO, ::MIME"text/plain", ::MyMatrix) = print(io, "MyMatrix")
Base.size(M::MyMatrix) = size(M.A)
Base.getindex(M::MyMatrix, i, j) = M.A[i, j] + M.B[i, j]
# Flux集成
Flux.Functors.@functor MyMatrix (A, B)
# 矩阵乘法实现
M::MyMatrix * b::AbstractVector = my_mul(M, b)
my_mul(M::MyMatrix, b::AbstractVector) = M.A * b .+ M.B * b
# 自动微分规则
ChainRulesCore.@opt_out ChainRulesCore.rrule(
::typeof(Base.:*), ::MyMatrix,
::ChainRulesCore.AbstractVecOrMat{<:Union{Real, Complex}}
)
function ChainRulesCore.rrule(::typeof(my_mul), M::MyMatrix, b::AbstractVector)
result = M.A * b .+ M.B * b
result, Δ -> (
NoTangent(),
Tangent{typeof(M)}(A = zero(M.A), B = zero(M.B)),
NoTangent(),
)
end
实际应用
创建并训练一个使用自定义矩阵的简单模型:
# 创建自定义矩阵和输入数据
M = MyMatrix(rand(3, 3), rand(3, 3))
x = rand(3)
# 检查梯度计算
grads = Flux.gradient(m -> sum(m * x), M)
# 设置优化器并训练
opt = Flux.setup(Adam(), M)
Flux.train!((m, x) -> sum(m * x), M, [(x)], opt)
总结
在Flux.jl中创建自定义矩阵类型并使其与整个训练流程协同工作需要以下几个关键步骤:
- 正确定义矩阵类型并实现必要的接口方法
- 使用Functors.jl标记可训练字段
- 为自定义操作实现适当的自动微分规则
- 确保矩阵类型能够与优化器协同工作
这种方法不仅适用于简单的矩阵类型,也可以扩展到更复杂的自定义层和操作,为Flux.jl提供了极大的灵活性和扩展能力。
登录后查看全文
热门项目推荐
相关项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0370Hunyuan3D-Part
腾讯混元3D-Part00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0102AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
1 freeCodeCamp音乐播放器项目中的函数调用问题解析2 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析3 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析4 freeCodeCamp课程视频测验中的Tab键导航问题解析5 freeCodeCamp课程中屏幕放大器知识点优化分析6 freeCodeCamp Cafe Menu项目中link元素的void特性解析7 freeCodeCamp英语课程填空题提示缺失问题分析8 freeCodeCamp 课程中关于角色与职责描述的语法优化建议 9 freeCodeCamp全栈开发课程中测验游戏项目的参数顺序问题解析10 freeCodeCamp全栈开发课程中React实验项目的分类修正
最新内容推荐
OMNeT++中文使用手册:网络仿真的终极指南与实用教程 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 ReportMachine.v7.0D5-XE10:Delphi报表生成利器深度解析与实战指南 Jetson TX2开发板官方资源完全指南:从入门到精通 WebVideoDownloader:高效网页视频抓取工具全面使用指南 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
205
2.19 K

暂无简介
Dart
514
115

Ascend Extension for PyTorch
Python
62
95

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
550
86

React Native鸿蒙化仓库
C++
208
285

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
976
576

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
399

openGauss kernel ~ openGauss is an open source relational database management system
C++
146
193