阅读大概需要10分钟

跟随小博主，每天进步一丢丢

知乎

https://zhuanlan.zhihu.com/p/48504619

导读

最近AllenNLP在EMNLP2018上做了一个主题分享，名为“写给NLP研究者的编程指南”（Writing Code for NLP Research）。

内容干货满满，仅仅只是看了slide就知道是非常有意思的一次演讲了。slide共有254页之多，这里我简单做个摘要，分享一些有意思的内容。

有时间的话推荐大家直接看slide，下面是地址，请自备梯子。

https://docs.google.com/presentation/d/17NoJY2SnC2UMbVegaRCWA7Oca7UCZ3vHnMqBV4SUayc/edit#slide=id.p

大纲

下面是整个分享的大纲。通过这次演讲，你可以学到如何写代码来促进你的研究，以及可复现的实验。

这里有两种写研究代码的模式，一种是写原型，一种是写组件。

我们先从写原型的方式开始介绍。

当我们开始写一个原型代码的时候，我们要做到下面三点。

1. 写代码要快

2. 跟踪实验结果

3. 分析模型结果

快速开发

要做到快速编程，不要从头开始写所有内容，而是使用框架。这里的框架不仅指tensorflow或pytorch之类的框架，也可以理解为模板。比如上图中如果写trining loop的部分，已经有人写好了。我们只要看懂后，直接拿来用就行，没有必要从头开始自己写所有部分。

上面提到的一些内容，都是可以找到现成框架来套用的。

Don’t start from scratch! Use someone else’s components.

如果有人把你想用的东西模块化了，还等什么，直接拿来用啊！

要想快速开发，另一个建议就是先复制，再重构。要记住，我们是在写原型，不用在乎什么可用性，先把代码写work了再说。如果实现的效果不错的话，再回去重构。

另外，我们要有好的编程习惯。比如起有意义的变量名，写注释帮助理解。记住，我们是写给人看的，不是机器！

跟踪实验结果

可以准备一个Excel表格，来记录实验结果

每次只改变一个部分，方便跟踪实验结果的变化其原因在于哪里。

这里光是embedder，我们就有很多种选择。

使用设定文件来记录模型的改变，方便我们以后查询当时的设定。

分析模型结果

在训练的时候，可视化对于分析模型表现是非常重要的。这个技能必须掌握。

Tensorboard可以提供很多分析结果。

Tensorboard能帮我们找到优化的bug。比如上图中的embedding梯度有两个数量级的差别。

原因在于embedding的梯度是稀疏梯度，即只有一部分会被更新。但是ADAM中的动量系数是针对整个embedding计算的，所以解决方法是直接引入特定的优化器：DenseSparseAdam。

对于预测结果，如果和做到交互式的方式来查看的话，是最好的。

开发组件

与写原型不同，开发可重复使用的组件有很多要注意的地方。

Code Reveiw是必不可少的。Review的时候，不仅能发现错误，还能提高代码的可读性。

如果我们不是软件开发人员的话，对于持续集成 以及构建自动化 这两个词可能比较陌生。通常我们只说持续集成的时候，也包含了构建自动化的意思。想要做到这点，要多写测试才行。

当然，如果我们不是开发一个很多人都会用到的库，上面这些步骤是用不到的ㄟ(▔,▔)ㄏ

不过测试很重要，如果是原型开发，也要做一些最基本的测试。

对读取的数据进行测试，看是否正确。

对模型进行测试，比如检查维度是否一致。

可以看到这两种测试的代码都不会很多。所以不要犯懒了，好好写测试吧。

关于AllenNLP库的一些介绍，这里就不花时间讨论了，感兴趣的可以看slide中p141~p205的部分。

下面直接进入分享的部分。

分享研究

简化安装的流程，令代码运行在任何平台，使用隔离的环境。

下面是使用Docker的一些优点。

用docker开发的好处不用多说，大家想必也已经都知道了。当然，缺点也是有的。

至于Python的包管理系统，AllenNLP采用了ANACONDA。

Docker是不错，但不适合做本地开发，这样的话，使用一些本地的包管理系统反而更方便。

最后做个总结。

总结

• 快速开发原型（要安全）

• 写安全的产品代码（要快）

• 好的流程有利于做出好的研究

• 使用正确的抽象

• 查看AllenNLP（广告）

这次分享的slide看了几遍，很多地方看得自己脸上发热，不写测试什么的说到了痛处。现在人工智能领域对于算法工程师的要求已经不是能掉个包，谈谈研究那么简单了，工程实践能力已经变得越来越重要。写优秀的代码，做优秀的研究，二者是一个互相促进的过程。最后放上原slide链接，感兴趣的最好自己看一遍。

IELTS a bit

stain n. 污点；污染

stake n. 投资，投放的本钱

utilize v. 使用；利用

推荐阅读：

一大批历史精彩文章啦

详解文本分类之多通道CNN的理论与实践

详解文本分类之DeepCNN的理论与实践

介绍4个大神常用而你不常用的python函数

资源 | 邓力、刘洋等合著的这本NLP经典书籍之情感分析中文版

资源 | 有没有必要把机器学习算法自己实现一遍？

---