仅作学术分享，不代表本公众号立场，侵权联系删除

转载于：作者 | 燃雪  来源 | 知乎专栏

编辑 | 机器学习算法与自然语言处理

地址 | https://zhuanlan.zhihu.com/p/435413218

01

前言

在动手实现transformer过程中，主要参考了李沐老师《动手学深度学习 v2》的代码和视频讲解，收获很大，非常感谢李沐老师在b站发了这么多视频来系统地进行深度学习教学和论文解读（建议教育部新增b站学位证）。但是就我自己的学习过程来说，感觉视频和教程中有些代码和tensor解释并不是很容易理解（比如“state[-1]是最后一个时刻的最后一层”），不少命令是在反复看了许多遍后才理解其中输出和输入的变化过程。因此本文以具体代码为主线，补充tensor变化例子及示意图，力求让初学者更直观地理解Seq2Seq中的向量操作。

代码来源：李沐 《动手学深度学习 v2》 9.7 序列到序列学习

https://zh-v2.d2l.ai/chapter_recurrent-modern/seq2seq.html#

02

文本预处理

考虑一组batch_size = 3的encoder句子输入，首先进行预处理，合法字符替换、按word拆开（Splitting）、词元化（tokenize）、字典化（vocabularizen）、按照每句话的合法长度num_steps = 8进行截断和填充（padding）处理，得到批输入X和输入语言的vocab_src.

03

编码器Encoder

参数举例：batch_size = 3; seq_length = 8, vocab_size = 10000; embed_size = 512;

RNN网络参数: num_hiddens = 24; num_layers = 2;

class Seq2SeqEncoder(d2l.Encoder):"""用于序列到序列学习的循环神经网络编码器。"""def __init__(self, vocab_size, embed_size, num_hiddens, num_layers, dropout=0, **kwargs):super(Seq2SeqEncoder, self).__init__(**kwargs)self.embedding = nn.Embedding(vocab_size, embed_size)      #Embedding NN，输入维度vocab_size,输出维度embed_sizeself.rnn = nn.GRU(embed_size, num_hiddens, num_layers, dropout=dropout)#GRU神经网络，输入维度embed_size，num_layers隐藏层，每层num_hiddens个神经元，是否dropoutdef forward(self, X, *args):X = self.embedding(X)# Embedding StepX = X.permute(1, 0, 2)# Switching Step, 将 batch size 和 word position 调换位置output, state = self.rnn(X)# 输出RNN网络的output和state，state表示完整的RNN神经网络的状态，是隐藏神经元状态按时间步的整合# 比如state[0]表示第1个时间步（word position/Time Step 1: I/aa/A）对应的RNN隐藏神经元状态return output, state

Batch input ➡️ Onehot 编码 ➡️ Embedding ➡️ 调换顺序 ➡️ 调整为RNN网络时序输入

Encoder_RNN神经网络的输入、隐藏状态及输出

04

解码器Decoder

Decoder输入的是target语言，此处对于target语言设置参数：batch_size = 3; seq_length = 8, vocab_size = 25000; embed_size = 512;

假设decoder使用与encoder相同设置的RNN网络参数: num_hiddens = 24; num_layers = 2;

class Seq2SeqDecoder(d2l.Decoder):"""用于序列到序列学习的循环神经网络解码器。"""def __init__(self, vocab_size, embed_size, num_hiddens, num_layers, dropout=0, **kwargs):super(Seq2SeqDecoder, self).__init__(**kwargs)self.embedding = nn.Embedding(vocab_size, embed_size)self.rnn = nn.GRU(embed_size + num_hiddens, num_hiddens, num_layers, dropout=dropout)#同样的embedding NN与RNN，区别在于此处embedding网络根据target语言的embed_size和vocab_size参数设置#且RNN网络的输入进行了一次拼接（Concat Step），输入维度为embed_size+num_hiddensself.dense = nn.Linear(num_hiddens, vocab_size)#输出层，encoder的RNN网络不需要输出，decoder的RNN网络输出翻译的目标句子每个word位置（time step）上，#长度为vocab size的概率分布，表示vocab中每个word出现的概率def init_state(self, enc_outputs, *args):return enc_outputs[1]   #enc_outputs = [output, state],此处是将encoder最后一个时间步 time step 8的隐藏层参数取出作为初始化def forward(self, X, state):X = self.embedding(X).permute(1, 0, 2)#Embedding & Permute Step，将目标语言的batch input进行embedding and permute stepcontext = state[-1].repeat(X.shape[0], 1, 1)# Expand Step，将从encoder拿到的state[7]的最后一层隐藏层的状态作为表示原句信息的`context`#并将其扩展成tensor，使其具有与目标语言输入`X`相同的`seq_length`X_and_context = torch.cat((X, context), 2)#Concat Step，将句子信息context与目标语言Embedding tensor进行拼接，作为RNN_decoder的输入output, state = self.rnn(X_and_context, state)#decoder的RNN的输出和状态output = self.dense(output).permute(1, 0, 2)#Permute Step，将decoder的RNN输出后两位对调位置，方便下文处理 vocab 概率return output, state

Target Batch input ➡️ Onehot 编码 ➡️ Embedding ➡️ 调换顺序 ➡️ Concat Step

从Encoder拿到最后一个时间步的State ➡️ Extract Step ➡️ Expand Step ➡️ Concat Step

Decoder_RNN神经网络的输入、隐藏状态及输出

05

交叉熵损失

Mask Function，0值化屏蔽

def sequence_mask(X, valid_len, value=0):"""在序列中屏蔽不相关的项。"""maxlen = X.size(1)mask = torch.arange((maxlen), dtype=torch.float32,device=X.device)[None, :] < valid_len[:, None]X[~mask] = valuereturn X

举例：Input X = tensor( [1, 2, 3, 4, 5, 6, 7, 8], [a, b, c, d, e, f, g, h] ), 有效字符数 [4, 6]

带遮蔽的softmax交叉熵损失函数，MaskedCrossEntropy

class MaskedSoftmaxCELoss(nn.CrossEntropyLoss):"""带遮蔽的softmax交叉熵损失函数"""# `pred` 的形状：(`batch_size`, `seq_length_tgt`, `vocab_size_tgt`)# `label` 的形状：(`batch_size`, `seq_length_tgt`)# `valid_len` 的形状：(`batch_size`,)def forward(self, pred, label, valid_len):weights = torch.ones_like(label)              #按照label的shape进行单位矩阵初始化weights = sequence_mask(weights, valid_len)   #按照合法字符数量valid_len进行mask，遮蔽<pad>self.reduction='none'unweighted_loss = super(MaskedSoftmaxCELoss, self).forward(pred.permute(0, 2, 1), label)weighted_loss = (unweighted_loss * weights).mean(dim=1)return weighted_loss

06

训练过程

Train Function

def train_seq2seq(net, data_iter, lr, num_epochs, tgt_vocab, device):"""训练序列到序列模型。"""def xavier_init_weights(m):if type(m) == nn.Linear:nn.init.xavier_uniform_(m.weight)if type(m) == nn.GRU:for param in m._flat_weights_names:if "weight" in param:nn.init.xavier_uniform_(m._parameters[param])net.apply(xavier_init_weights)net.to(device)optimizer = torch.optim.Adam(net.parameters(), lr=lr)loss = MaskedSoftmaxCELoss()net.train()animator = d2l.Animator(xlabel='epoch', ylabel='loss',xlim=[10, num_epochs])for epoch in range(num_epochs):timer = d2l.Timer()metric = d2l.Accumulator(2)  # 训练损失总和，词元数量for batch in data_iter:X, X_valid_len, Y, Y_valid_len = [x.to(device) for x in batch]bos = torch.tensor([tgt_vocab['<bos>']] * Y.shape[0],device=device).reshape(-1, 1)dec_input = torch.cat([bos, Y[:, :-1]], 1)  # 教师强制Y_hat, _ = net(X, dec_input, X_valid_len)l = loss(Y_hat, Y, Y_valid_len)l.sum().backward()      # 损失函数的标量进行“反传”d2l.grad_clipping(net, 1)num_tokens = Y_valid_len.sum()optimizer.step()with torch.no_grad():metric.add(l.sum(), num_tokens)if (epoch + 1) % 10 == 0:animator.add(epoch + 1, (metric[0] / metric[1],))print(f'loss {metric[0] / metric[1]:.3f}, {metric[1] / timer.stop():.1f} 'f'tokens/sec on {str(device)}')

开始训练

embed_size, num_hiddens, num_layers, dropout = 32, 32, 2, 0.1
batch_size, num_steps = 64, 10
lr, num_epochs, device = 0.005, 300, d2l.try_gpu()train_iter, src_vocab, tgt_vocab = d2l.load_data_nmt(batch_size, num_steps)
encoder = Seq2SeqEncoder(len(src_vocab), embed_size, num_hiddens, num_layers,dropout)
decoder = Seq2SeqDecoder(len(tgt_vocab), embed_size, num_hiddens, num_layers,dropout)
net = d2l.EncoderDecoder(encoder, decoder)
train_seq2seq(net, train_iter, lr, num_epochs, tgt_vocab, device)

07

预测及评估

预测网络搭建

def predict_seq2seq(net, src_sentence, src_vocab, tgt_vocab, num_steps,device, save_attention_weights=False):"""序列到序列模型的预测"""# 在预测时将`net`设置为评估模式net.eval()src_tokens = src_vocab[src_sentence.lower().split(' ')] + [src_vocab['<eos>']]enc_valid_len = torch.tensor([len(src_tokens)], device=device)src_tokens = d2l.truncate_pad(src_tokens, num_steps, src_vocab['<pad>'])# 添加批量轴enc_X = torch.unsqueeze(torch.tensor(src_tokens, dtype=torch.long, device=device), dim=0)enc_outputs = net.encoder(enc_X, enc_valid_len)dec_state = net.decoder.init_state(enc_outputs, enc_valid_len)# 添加批量轴dec_X = torch.unsqueeze(torch.tensor([tgt_vocab['<bos>']], dtype=torch.long, device=device), dim=0)output_seq, attention_weight_seq = [], []for _ in range(num_steps):Y, dec_state = net.decoder(dec_X, dec_state)# 我们使用具有预测最高可能性的词元，作为解码器在下一时间步的输入dec_X = Y.argmax(dim=2)pred = dec_X.squeeze(dim=0).type(torch.int32).item()# 保存注意力权重（稍后讨论）if save_attention_weights:attention_weight_seq.append(net.decoder.attention_weights)# 一旦序列结束词元被预测，输出序列的生成就完成了if pred == tgt_vocab['<eos>']:breakoutput_seq.append(pred)return ' '.join(tgt_vocab.to_tokens(output_seq)), attention_weight_seq

BLEU预测序列评价指标

def bleu(pred_seq, label_seq, k):  """计算 BLEU"""pred_tokens, label_tokens = pred_seq.split(' '), label_seq.split(' ')len_pred, len_label = len(pred_tokens), len(label_tokens)score = math.exp(min(0, 1 - len_label / len_pred))for n in range(1, k + 1):num_matches, label_subs = 0, collections.defaultdict(int)for i in range(len_label - n + 1):label_subs[''.join(label_tokens[i: i + n])] += 1for i in range(len_pred - n + 1):if label_subs[''.join(pred_tokens[i: i + n])] > 0:num_matches += 1label_subs[''.join(pred_tokens[i: i + n])] -= 1score *= math.pow(num_matches / (len_pred - n + 1), math.pow(0.5, n))return score

预测实例

engs = ['go .', "i lost .", 'he\'s calm .', 'i\'m home .']
fras = ['va !', 'j\'ai perdu .', 'il est calme .', 'je suis chez moi .']
for eng, fra in zip(engs, fras):translation, attention_weight_seq = predict_seq2seq(net, eng, src_vocab, tgt_vocab, num_steps, device)print(f'{eng} => {translation}, bleu {bleu(translation, fra, k=2):.3f}')

08

Related Work

[1] LSTM神经网络状态，知乎用户 Scofield：

https://www.zhihu.com/question/41949741/answer/318771336

[2] @盛源车，知乎原文找不到了，此处是微信公众号的原文，可视化理解做的很直观：

https://mp.weixin.qq.com/s/0k71fKKv2SRLv9M6BjDo4w

[3] 可视化图解Attention based Seq2Seq模型：

https://zhuanlan.zhihu.com/p/60127009

[4] 基于TensorFlow的Seq2Seq代码实现：

https://zhuanlan.zhihu.com/p/47929039

[5] 本文使用的可视化工具——ML Visuals：

https://github.com/dair-ai/ml-visuals

推荐阅读：

我的2022届互联网校招分享

我的2021总结

浅谈算法岗和开发岗的区别

互联网校招研发薪资汇总

2022届互联网求职现状，金9银10快变成铜9铁10！！

公众号：AI蜗牛车

保持谦逊、保持自律、保持进步

发送【蜗牛】获取一份《手把手AI项目》（AI蜗牛车著）

发送【1222】获取一份不错的leetcode刷题笔记

发送【AI四大名著】获取四本经典AI电子书