DeepMind發布神經網絡、強化學習庫，網友：推動JAX發展
本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。
DeepMind今日發布了Haiku和RLax兩個庫，都是基于JAX。
JAX由谷歌提出，是TensorFlow的簡化庫。結合了針對線性代數的編譯器XLA，和自動區分本地 Python 和 Numpy 代碼的庫Autograd，在高性能的機器學習研究中使用。
而此次發布的兩個庫，分別針對神經網絡和強化學習，大幅簡化了JAX的使用。
Haiku是基于JAX的神經網絡庫，允許用戶使用熟悉的面向對象程序設計模型，可完全訪問 JAX 的純函數變換。
RLax是JAX頂層的庫，它提供了用于實現增強學習代理的有用構件。
有意思的是，Reddit網友驚奇的發現Haiku這個庫的名字，竟然不以“ax”結尾。
當然，也有網友對這兩個庫表示了肯定：
毫無疑問，對JAX起到了推動作用。
那么，我們就來看下Haiku和RLex的廬山真面目吧。
Haiku
Haiku是JAX的神經網絡庫，它允許用戶使用熟悉的面向對象編程模型，同時允許完全訪問JAX的純函數轉換。
它提供了兩個核心工具：模塊抽象hk.Module，和一個簡單的函數轉換hk.transform。
hk.Module是Python對象，包含對其自身參數、其他模塊和對用戶輸入應用函數方法的引用。
hk.transform允許完全訪問JAX的純函數轉換。
其實，在JAX中有許多神經網絡庫，那么Haiku有什么特別之處呢？有5點。
1、Haiku已經由DeepMind的研究人員進行了大規模測試
DeepMind相對容易地在Haiku和JAX中復制了許多實驗。其中包括圖像和語言處理的大規模結果、生成模型和強化學習。
2、Haiku是一個庫，而不是一個框架
它的設計是為了簡化一些具體的事情，包括管理模型參數和其他模型狀態。可以與其他庫一起編寫，并與JAX的其他部分一起工作。
3、Haiku并不是另起爐灶
它建立在Sonnet的編程模型和API之上，Sonnet是DeepMind幾乎普遍采用的神經網絡庫。它保留了Sonnet用于狀態管理的基于模塊的編程模型，同時保留了對JAX函數轉換的訪問。
4、過渡到Haiku是比較容易的
通過精心的設計，從TensorFlow和Sonnet，過渡到JAX和Haiku是比較容易的。除了新的函數(如hk.transform)，Haiku的目的是Sonnet 2的API。
5、Haiku簡化了JAX
它提供了一個處理隨機數的簡單模型。在轉換后的函數中，hk.next_rng_key()返回一個唯一的rng鍵。
那么，該如何安裝Haiku呢？
Haiku是用純Python編寫的，但是通過JAX依賴于c++代碼。
首先，按照下方鏈接中的說明，安裝帶有相關加速器支持的JAX。
https://github.com/google/jax#installation
然后，只需要一句簡單的pip命令就可以完成安裝。
- $ pip install git+https://github.com/deepmind/haiku
接下來，是一個神經網絡和損失函數的例子。
- import haiku as hk
- import jax.numpy as jnp
- def softmax_cross_entropy(logits, labels):
- one_hot = hk.one_hot(labels, logits.shape[-1])
- return -jnp.sum(jax.nn.log_softmax(logits) * one_hot, axis=-1)
- def loss_fn(images, labels):
- model = hk.Sequential([
- hk.Linear(1000),
- jax.nn.relu,
- hk.Linear(100),
- jax.nn.relu,
- hk.Linear(10),
- ])
- logits = model(images)
- return jnp.mean(softmax_cross_entropy(logits, labels))
- loss_obj = hk.transform(loss_fn)
RLax
RLax是JAX頂層的庫，它提供了用于實現增強學習代理的有用構件。
它所提供的操作和函數不是完整的算法，而是強化學習特定數學操作的實現。
RLax的安裝也非常簡單，一個pip命令就可以搞定。
- pip install git+git://github.com/deepmind/rlax.git
使用JAX的jax.jit函數，所有的RLax代碼可以不同的硬件上編譯。
RLax需要注意的是它的命名規則。
許多函數在連續的時間步長中考慮策略、操作、獎勵和值，以便計算它們的輸出。在這種情況下，后綴_t和tm1通常是為了說明每個輸入是在哪個步驟上生成的，例如：
q_tm1：轉換的源狀態中的操作值。
a_tm1：在源狀態下選擇的操作。
r_t：在目標狀態下收集的結果獎勵。
q_t：目標狀態下的操作值。
Haiku和RLax都已在GitHub上開源，有興趣的讀者可從“傳送門”的鏈接訪問。
傳送門
Haiku：
https://github.com/deepmind/haiku
RLax：
https://github.com/deepmind/rlax
