3

我正在尝试将注意力机制添加到堆叠 LSTM 实现https://github.com/salesforce/awd-lstm-lm

所有在线示例都使用编码器-解码器架构，我不想使用（我是否必须使用注意力机制？）。

基本上，我用过https://webcache.googleusercontent.com/search?q=cache:81Q7u36DRPIJ：https://github.com/zhedongzheng/finch/blob/master/nlp-models/pytorch/rnn_attn_text_clf.py+&cd =2&hl=en&ct=clnk&gl=uk

def __init__(self, rnn_type, ntoken, ninp, nhid, nlayers, dropout=0.5, dropouth=0.5, dropouti=0.5, dropoute=0.1, wdrop=0, tie_weights=False):
    super(RNNModel, self).__init__()
    self.encoder = nn.Embedding(ntoken, ninp)
    self.rnns = [torch.nn.LSTM(ninp if l == 0 else nhid, nhid if l != nlayers - 1 else (ninp if tie_weights else nhid), 1, dropout=0) for l in range(nlayers)]
    for rnn in self.rnns:
        rnn.linear = WeightDrop(rnn.linear, ['weight'], dropout=wdrop)
    self.rnns = torch.nn.ModuleList(self.rnns)
    self.attn_fc = torch.nn.Linear(ninp, 1)
    self.decoder = nn.Linear(nhid, ntoken)

    self.init_weights()

def attention(self, rnn_out, state):
    state = torch.transpose(state, 1,2)
    weights = torch.bmm(rnn_out, state)# torch.bmm(rnn_out, state)
    weights = torch.nn.functional.softmax(weights)#.squeeze(2)).unsqueeze(2)
    rnn_out_t = torch.transpose(rnn_out, 1, 2)
    bmmed = torch.bmm(rnn_out_t, weights)
    bmmed = bmmed.squeeze(2)
    return bmmed

def forward(self, input, hidden, return_h=False, decoder=False, encoder_outputs=None):
    emb = embedded_dropout(self.encoder, input, dropout=self.dropoute if self.training else 0)
    emb = self.lockdrop(emb, self.dropouti)

    new_hidden = []
    raw_outputs = []
    outputs = []
    for l, rnn in enumerate(self.rnns):
        temp = []
        for item in emb:
            item = item.unsqueeze(0)
            raw_output, new_h = rnn(item, hidden[l])

            raw_output = self.attention(raw_output, new_h[0])

            temp.append(raw_output)
        raw_output = torch.stack(temp)
        raw_output = raw_output.squeeze(1)

        new_hidden.append(new_h)
        raw_outputs.append(raw_output)
        if l != self.nlayers - 1:
            raw_output = self.lockdrop(raw_output, self.dropouth)
            outputs.append(raw_output)
    hidden = new_hidden

    output = self.lockdrop(raw_output, self.dropout)
    outputs.append(output)

    outputs = torch.stack(outputs).squeeze(0)
    outputs = torch.transpose(outputs, 2,1)
    output = output.transpose(2,1)
    output = output.contiguous()
    decoded = self.decoder(output.view(output.size(0)*output.size(1), output.size(2)))
    result = decoded.view(output.size(0), output.size(1), decoded.size(1))
    if return_h:
        return result, hidden, raw_outputs, outputs
    return result, hidden

在此处输入图像描述

这个模型正在训练，但与没有注意模型的模型相比，我的损失相当高。

4

2 回答 2

12

我理解你的问题，但是遵循你的代码并找到损失没有减少的原因有点困难。此外，不清楚为什么要将 RNN 的最后一个隐藏状态与每个时间步的所有隐藏状态进行比较。

请注意，如果您以正确的方式使用特定的技巧/机制，它会很有用。您尝试使用注意力机制的方式，我不确定它是否正确。所以，不要指望因为你在模型中使用了注意力技巧，你会得到很好的结果！你应该想，为什么注意力机制会为你想要的任务带来优势？

你没有明确提到你的目标是什么？由于您已指向包含语言建模代码的存储库，我猜任务是：给定一系列标记，预测下一个标记。

我可以在您的代码中看到的一个可能问题是：在for item in emb:循环中，您将始终使用嵌入作为每个 LSTM 层的输入，因此堆叠 LSTM 对我来说没有意义。

现在，让我先回答您的问题，然后逐步展示如何构建您想要的 NN 架构。

我需要使用编码器-解码器架构来使用注意力机制吗？

编码器-解码器架构更好地称为序列到序列学习，它广泛用于许多生成任务，例如机器翻译。您的问题的答案是否定的，您不需要使用任何特定的神经网络架构来使用注意力机制。

您在图中显示的结构有点模棱两可，但应该很容易实现。由于您的实施对我来说并不明确，因此我试图指导您以更好的方式实施它。对于以下讨论，我假设我们正在处理文本输入。

假设我们有一个形状的输入16 x 10where 16isbatch_size和10is seq_len。我们可以假设我们在一个 mini-batch 中有 16 个句子，每个句子长度为 10。

batch_size, vocab_size = 16, 100
mat = np.random.randint(vocab_size, size=(batch_size, 10))
input_var = Variable(torch.from_numpy(mat))

在这里，100可以认为是词汇量。重要的是要注意，在我提供的整个示例中，我假设batch_size所有相应张量/变量中的第一个维度。

现在，让我们嵌入输入变量。

embedding = nn.Embedding(100, 50)
embed = embedding(input_var)

嵌入后，我们得到了一个形状变量，16 x 10 x 50其中50是嵌入大小。

现在，让我们定义一个 2 层单向 LSTM，每层有 100 个隐藏单元。

rnns = nn.ModuleList()
nlayers, input_size, hidden_size = 2, 50, 100
for i in range(nlayers):
    input_size = input_size if i == 0 else hidden_size
    rnns.append(nn.LSTM(input_size, hidden_size, 1, batch_first=True))

然后，我们可以将输入提供给这个 2 层 LSTM 以获得输出。

sent_variable = embed
outputs, hid = [], []
for i in range(nlayers):
    if i != 0:
        sent_variable = F.dropout(sent_variable, p=0.3, training=True)
    output, hidden = rnns[i](sent_variable)
    outputs.append(output)
    hid.append(hidden[0].squeeze(0))
    sent_variable = output

rnn_out = torch.cat(outputs, 2)
hid = torch.cat(hid, 1)

现在，您可以简单地使用hid来预测下一个单词。我建议你这样做。在这里，形状hid是batch_size x (num_layers*hidden_size)。

但是，由于您想使用注意力来计算最后一个隐藏状态与 LSTM 层产生的每个隐藏状态之间的软对齐分数，让我们这样做。

sent_variable = embed
hid, con = [], []
for i in range(nlayers):
    if i != 0:
        sent_variable = F.dropout(sent_variable, p=0.3, training=True)
    output, hidden = rnns[i](sent_variable)
    sent_variable = output

    hidden = hidden[0].squeeze(0) # batch_size x hidden_size
    hid.append(hidden)
    weights = torch.bmm(output[:, 0:-1, :], hidden.unsqueeze(2)).squeeze(2)  
    soft_weights = F.softmax(weights, 1)  # batch_size x seq_len
    context = torch.bmm(output[:, 0:-1, :].transpose(1, 2), soft_weights.unsqueeze(2)).squeeze(2)
    con.append(context)

hid, con = torch.cat(hid, 1), torch.cat(con, 1)
combined = torch.cat((hid, con), 1)

在这里，我们计算最后一个状态与每个时间步的所有状态之间的软对齐分数。然后我们计算一个上下文向量，它只是所有隐藏状态的线性组合。我们将它们组合成一个单一的表示。

请注意，我已从output:中删除了最后一个隐藏状态，output[:, 0:-1, :]因为您正在与最后一个隐藏状态本身进行比较。

最终combined表示存储了每层产生的最后隐藏状态和上下文向量。您可以直接使用此表示来预测下一个单词。

预测下一个单词很简单，因为您使用简单的线性层就可以了。

编辑：我们可以执行以下操作来预测下一个单词。

decoder = nn.Linear(nlayers * hidden_size * 2, vocab_size)
dec_out = decoder(combined)

在这里， 的形状dec_out是batch_size x vocab_size。现在，我们可以计算负对数似然损失，稍后将用于反向传播。

在计算负对数似然损失之前，我们需要应用log_softmax到解码器的输出。

dec_out = F.log_softmax(dec_out, 1)
target = np.random.randint(vocab_size, size=(batch_size))
target = Variable(torch.from_numpy(target))

而且，我们还定义了计算损失所需的目标。有关详细信息，请参阅NLLLoss。所以，现在我们可以计算损失如下。

criterion = nn.NLLLoss()
loss = criterion(dec_out, target)
print(loss)

打印的损失值为：

Variable containing:
 4.6278
[torch.FloatTensor of size 1]

希望整个解释对您有所帮助！

于 2018-03-12T08:48:52.360 回答
4

整个注意点是不同语言中的词序是不同的，因此在解码目标语言中的第 5 个词时，您可能需要注意源语言中的第 3 个词（或第 3 个词的编码），因为这些是相互对应的词。这就是为什么您经常看到注意力与编码器解码器结构一起使用的原因。

如果我理解正确，您正在做下一个单词预测？在这种情况下，使用注意力可能仍然有意义，因为下一个单词可能高度依赖于过去 4 步的单词。

所以基本上你需要的是：

rnn：接受inputshapeMBxninp和hiddenshape以及shape的MBxnhid输出。hMBxnhid

h, next_hidden = rnn(input, hidden)

注意：它接受h's 的序列，最后h_last一个通过赋予每个 weight 来决定它们每个的重要性w。

w = attention(hs, h_last)

其中w是 形状seq_len x MB x 1,hs 是 形状seq_len x MB x nhid,h_last是 形状MB x nhid.

现在你加权hs：w

h_att = torch.sum(w*hs, dim=0) #shape MB x n_hid

现在的重点是您需要为每个时间步执行此操作：

h_att_list = []
h_list = []
hidden = hidden_init
for word in embedded_words:
    h, hidden = rnn(word, hidden)
    h_list.append(h)
    h_att = attention(torch.stack(h_list), h)
    h_att_list.append(h_att)

然后您可以在h_att_list.

于 2018-03-06T09:22:26.540 回答