明敏 發(fā)自 凹非寺
量子位 報道 | 公眾號 QbitAI
到底是怎樣的一個bug，能讓95%的Pytorch庫中招，就連特斯拉AI總監(jiān)深受困擾？
還別說，這個bug雖小，但有夠“狡猾”的。
這就是最近Reddit上熱議的一個話題，是一位網(wǎng)友在使用再平常不過的Pytorch+Numpy組合時發(fā)現(xiàn)。
最主要的是，在代碼能夠跑通的情況下，它甚至還會影響模型的準(zhǔn)確率！
除此之外，網(wǎng)友熱議的另外一個點，竟然是：
而是它到底算不算一個bug？
這究竟是怎么一回事？
事情的起因是一位網(wǎng)友發(fā)現(xiàn)，在PyTorch中用NumPy來生成隨機(jī)數(shù)時，受到數(shù)據(jù)預(yù)處理的限制，會多進(jìn)程并行加載數(shù)據(jù)，但最后每個進(jìn)程返回的隨機(jī)數(shù)卻是相同的。
他還舉出例子證實了自己的說法。
如下是一個示例數(shù)據(jù)集，它會返回三個元素的隨機(jī)向量。這里采用的批量大小分別為2，工作進(jìn)程為4個。
然后神奇的事情發(fā)生了：每個進(jìn)程返回的隨機(jī)數(shù)都是一樣的。
這個結(jié)果會著實讓人有點一頭霧水，就好像數(shù)學(xué)應(yīng)用題求小明走一段路程需要花費多少時間，而你卻算出來了負(fù)數(shù)。
發(fā)現(xiàn)了問題后，這位網(wǎng)友還在GitHub上下載了超過10萬個PyTorch庫，用同樣的方法產(chǎn)生隨機(jī)數(shù)。
結(jié)果更加令人震驚：居然有超過95%的庫都受到這個問題的困擾！
這其中不乏PyTorch的官方教程和OpenAI的代碼，連特斯拉AI總監(jiān)Karpathy也承認(rèn)自己“被坑過”！
但有一說一，這個bug想要解決也不難：只需要在每個epoch都重新設(shè)置seed，或者用python內(nèi)置的隨機(jī)數(shù)生成器就可以避免這個問題。
到底是不是bug？
如果這個問題已經(jīng)可以解決，為什么還會引起如此大的討論呢？
因為網(wǎng)友們的重點已經(jīng)上升到了“哲學(xué)”層面：
這到底是不是一個bug？
在Reddit上有人認(rèn)為：這不是一個bug。
雖然這個問題非常常見，但它并不算是一個bug，而是一個在調(diào)試時不可以忽略的點。
就是這個觀點，激起了千層浪花，許多人都認(rèn)為他忽略了問題的關(guān)鍵所在。
這不是產(chǎn)生偽隨機(jī)數(shù)的問題，也不是numpy的問題，問題的核心是在于PyTorch中的DataLoader的實現(xiàn)
對于包含隨機(jī)轉(zhuǎn)換的數(shù)據(jù)加載pipeline，這意味著每個worker都將選擇“相同”的轉(zhuǎn)換。
而現(xiàn)在NN中的許多數(shù)據(jù)加載pipeline，都使用某種類型的隨機(jī)轉(zhuǎn)換來進(jìn)行數(shù)據(jù)增強(qiáng)，所以不重新初始化可能是一個預(yù)設(shè)。
另一位網(wǎng)友也表示這個bug其實是在預(yù)設(shè)程序下運行才出現(xiàn)的，應(yīng)該向更多用戶指出來。
并且95%以上的Pytorch庫受此困擾，也絕不是危言聳聽。
有人就分享出了自己此前的慘痛經(jīng)歷：
我認(rèn)識到這一點是之前跑了許多進(jìn)程來創(chuàng)建數(shù)據(jù)集時，然而發(fā)現(xiàn)其中一半的數(shù)據(jù)是重復(fù)的，之后花了很長的時間才發(fā)現(xiàn)哪里出了問題。
也有用戶補(bǔ)充說，如果 95% 以上的用戶使用時出現(xiàn)錯誤，那么代碼就是錯的。
順便一提，這提供了Karpathy定律的另一個例子：即使你搞砸了一些非常基本代碼，“neural nets want to work”。
你有踩過PyTorch的坑嗎？
如上的bug并不是偶然，隨著用PyTorch的人越來越多，被發(fā)現(xiàn)的bug也就越來越多，某乎上還有PyTorch的坑之總結(jié)，被瀏覽量高達(dá)49w。
其中從向量、函數(shù)到model.train()，無論是真bug還是自己出了bug，大家的血淚史還真的是各有千秋。
所以，關(guān)于PyTorch你可以分享的經(jīng)驗血淚史嗎？
歡迎評論區(qū)留言討論～
— 完 —
