机器学习算法在训练过程中保存参数

.pkl 文件可以用来保存机器学习算法训练过程中产生的参数。

一、python读取*.pkl.gz文件

用到python里的gzip以及cPickle模块，简单的使用代码如下，如果想详细了解可以参考上面给出的链接。

#以读取mnist.pkl.gz为例
import cPickle, gzip
f = gzip.open('mnist.pkl.gz', 'rb')
train_set, valid_set, test_set = cPickle.load(f)
f.close()

其实就是分两步，先读取gz文件，再读取pkl文件。pkl文件的应用正是下文要讲的，我们用它来保存机器学习算法训练过程中的参数。

二、机器学习算法在训练过程中如何保存参数？

我们知道，机器学习算法的计算量特别大，跑起程序来少则几十分钟，多则几小时甚至几天，中间如果有什么状况（比如电脑过热重启、程序出现一些小bug…）程序就会中断，如果你没把参数定时保存下来，前面的训练就当白费了，所以很有必要在程序中加入定时保存参数的功能，这样下次训练就可以将参数初始化为上次保存下来的结果，而不是从头开始随机初始化。

直接用一个例子来说明如何使用：

a=[1,2,3]
b={4:5,6:7}
#保存，cPickle.dump函数。/home/wepon/ab是路径，ab是保存的文件的名字，如果/home/wepon/下本来就有ab这个文件，将被覆写#，如果没有，则创建。'wb'表示以二进制可写的方式打开。dump中的-1表示使用highest protocol。
import cPickle
write_file=open('/home/wepon/ab','wb')
cPickle.dump(a,write_file,-1)
cPickle.dump(b,write_file,-1)
write_file.close()

#读取，cPickle.load函数。
read_file=open('/home/wepon/ab','rb')
a_1=cPickle.load(read_file)
b_1=cPickle.load(read_file)
print a,b
read_file.close() 

在deeplearning算法中，因为用到GPU，经常是将参数声明为shared变量，因此必须用上get_value()、set_value，例如有w、v、u三个shared变量，使用代码如下：

import cPickle
#保存
write_file = open('path', 'wb')  
cPickle.dump(w.get_value(borrow=True), write_file, -1)  
cPickle.dump(v.get_value(borrow=True), write_file, -1)  
cPickle.dump(u.get_value(borrow=True), write_file, -1) 
write_file.close()

#读取
read_file = open('path')
w.set_value(cPickle.load(read_file), borrow=True)
v.set_value(cPickle.load(read_file), borrow=True)
u.set_value(cPickle.load(read_file), borrow=True)
read_file.close()

一个实例
下面我以一个实际的例子来说明如何在程序中加入保存参数的功能。以deeplearnig.net上的逻辑回归为例，它的代码地址：logistic_sgd.py。这个程序是将逻辑回归用于MNIST分类，程序运行过程并不会保存参数，甚至运行结束时也不保存参数。怎么做可以保存参数？
在logistic_sgd.py代码里最后面的sgd_optimization_mnist()函数里，有个while循环，里面有一句代码：

if this_validation_loss < best_validation_loss:

这句代码的意思就是判断当前的验证损失是否小于最佳的验证损失，是的话，下面会更新best_validation_loss，也就是说当前参数下，模型比之前的有了优化，因此我们可以在这个if语句后面加入保存参数的代码:

save_params(classifier.W,classifier.b)

save_params函数定义如下：

def save_params(param1,param2):
    import cPickle
    write_file = open('params', 'wb') 
    cPickle.dump(param1.get_value(borrow=True), write_file, -1)
    cPickle.dump(param2.get_value(borrow=True), write_file, -1)
    write_file.close()

当然参数的个数根据需要去定义。在logistic_sgd.py中参数只有classifier.W,classifier.b，因此这里定义为save_params(param1,param2)。

在logistic_sgd.py里我加入了save_params(classifier.W,classifier.b)，运行了3次epoch，中断掉程序，在代码所在的文件夹下，多出了一个params文件，我们来看看这个文件里是什么东西：

import cPickle
f=open('params')
w=cPickle.load(f)
b=cPickle.load(f)

#w大小是(n_in,n_out)，b大小时(n_out,),b的值如下，因为MINST有10个类别，n_out=10,下面正是10个数
array([-0.0888151 ,  0.16875755, -0.03238435, -0.06493175,  0.05245609,
        0.1754718 , -0.0155049 ,  0.11216578, -0.26740651, -0.03980861])

也就是说，params文件确实保存了我们训练过程中的参数。

那么如何用保存下来的参数来初始化我们的模型的参数呢？
在logistic_sgd.py中的class LogisticRegression(object)下，self.W和self.b本来是初始化为0的，我们可以在下面加上几行代码，这样就可以用我们保存下来的params文件来初始化参数了：

class LogisticRegression(object):
    def __init__(self, input, n_in, n_out):
        self.W = theano.shared(
            value=numpy.zeros(
                (n_in, n_out),
                dtype=theano.config.floatX
            ),
            name='W',
            borrow=True
        )
        self.b = theano.shared(
            value=numpy.zeros(
                (n_out,),
                dtype=theano.config.floatX
            ),
            name='b',
            borrow=True
        )
#！！！
#加入的代码在这里，程序运行到这里将会判断当前路径下有没有params文件，有的话就拿来初始化W和b
    if os.path.exists('params'):
        f=open('params')
        self.W.set_value(cPickle.load(f), borrow=True)
        self.b.set_value(cPickle.load(f), borrow=True)