首页
/ TorchMetrics中Pearson相关系数计算的聚合问题分析与修复

TorchMetrics中Pearson相关系数计算的聚合问题分析与修复

2025-07-03 00:52:28作者:廉皓灿Ida

问题背景

在机器学习评估指标库TorchMetrics中,Pearson相关系数的计算实现存在两个关键问题:

  1. 状态修改问题_final_aggregation函数在多设备环境下会原地修改输入状态,导致后续计算出现不准确结果
  2. 数值稳定性问题:当某些设备没有数据时,计算过程中会出现NaN值

问题分析

Pearson相关系数的多设备聚合计算需要合并来自不同设备的统计量,包括均值、方差和协方差等。原实现存在以下技术缺陷:

  1. 原地修改问题:函数直接修改输入张量,这在多设备分布式训练场景下会导致后续计算使用已被修改的状态
  2. 数值稳定性:当两个设备的样本数n1和n2都为0时,除法运算会产生NaN,而实际上这些位置的统计量应该保持为0
  3. 算法复杂度:原实现使用了较为复杂的计算公式,增加了理解和维护难度

解决方案

基于算法文献和数值稳定性考虑,我们提出以下改进方案:

def _final_aggregation(
    means_x: torch.Tensor,
    means_y: torch.Tensor,
    vars_x: torch.Tensor,
    vars_y: torch.Tensor,
    corrs_xy: torch.Tensor,
    nbs: torch.Tensor,
    eps: float = 1e-10,
) -> tuple[torch.Tensor, torch.Tensor, torch.Tensor, torch.Tensor, torch.Tensor, torch.Tensor]:
    """聚合来自多个设备的统计量"""
    if len(means_x) == 1:
        return means_x[0], means_y[0], vars_x[0], vars_y[0], corrs_xy[0], nbs[0]
    
    mx1, my1, vx1, vy1, cxy1, n1 = means_x[0], means_y[0], vars_x[0], vars_y[0], corrs_xy[0], nbs[0]
    
    for i in range(1, len(means_x)):
        mx2, my2, vx2, vy2, cxy2, n2 = means_x[i], means_y[i], vars_x[i], vars_y[i], corrs_xy[i], nbs[i]
        
        # 处理零样本情况
        nb = torch.where(torch.logical_or(n1, n2), n1 + n2, eps)
        
        # 计算合并均值
        mean_x = (n1 * mx1 + n2 * mx2) / nb
        mean_y = (n1 * my1 + n2 * my2) / nb
        
        # 计算合并方差和协方差
        n12_b = n1 * n2 / nb
        delta_x = mx2 - mx1
        delta_y = my2 - my1
        
        var_x = vx1 + vx2 + n12_b * delta_x ** 2
        var_y = vy1 + vy2 + n12_b * delta_y ** 2
        corr_xy = cxy1 + cxy2 + n12_b * delta_x * delta_y

        mx1, my1, vx1, vy1, cxy1, n1 = mean_x, mean_y, var_x, var_y, corr_xy, nb
    
    return mean_x, mean_y, var_x, var_y, corr_xy, nb

技术优势

  1. 算法正确性:基于可靠的并行统计算法文献实现,确保数学正确性
  2. 数值稳定性:通过eps参数处理零样本情况,避免NaN值产生
  3. 性能优化:简化计算公式,提高计算效率
  4. 可维护性:代码结构更清晰,便于理解和维护

实际影响

该修复对以下场景尤为重要:

  1. 分布式训练:确保在多GPU/多节点环境下指标计算的准确性
  2. 稀疏数据:处理某些设备可能没有数据的情况
  3. 长期训练:避免状态污染导致的指标漂移

结论

TorchMetrics中的Pearson相关系数计算经过此次修复,在正确性、稳定性和性能方面都得到了显著提升。这一改进特别有利于大规模分布式训练场景下的模型评估工作,确保了评估指标的准确性和可靠性。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
262
RuoYi-Vue3RuoYi-Vue3
🎉 (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
863
511
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
openHiTLSopenHiTLS
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
259
300
kernelkernel
deepin linux kernel
C
22
5
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K