文章目录
- 1改进点
- 1.1多层化
- 1.2 dropout
- 1.2.1具体概念
- 1.2.2应该插入到LSTM模型的哪里
- 1.3权重共享
- 2改进之后的LSTMLM的代码实现
- 2.1初始化
- 2.2前向计算
- 2.3反向传播
- 3相应的学习代码的实现
- 4总结
1改进点
1.1多层化
-
加深神经网络的层数往往能够学习更复杂的模式；因此这里增加了LSTM层的数量；如下图所示：
- 第一个 LSTM 层的隐藏状态是第二个LSTM层的输入；
- 关于叠加几个层，这是超参数调优的范畴了；需要根据要解决的问题的复杂程度、能给到的训练数据的规模来确定；
- 在 PTB 数据集上学习语言模型的情况下，当 LSTM 的层数为 2 ~ 4 时，可以获得比较好的结果
1.2 dropout
详细可以再看一下：https://1drv.ms/b/s!AvF6gzVaw0cNjqYc_hrdnGUeqyCXWg?e=hn5AoB；
1.2.1具体概念
-
通过加深层，可以创建表现力更强的模型，但是这样的模型往往会发生过拟合；过拟合即模型泛化能力差；
-
RNN 比常规的前馈神经网络更容易发生过拟合，因此 RNN 的过拟合对策非常重要；
-
如何缓解过拟合：
- 优先考虑：一是增加训练数据；二是降低模型的复杂度
- 还有正则化的方法；即给予惩罚；
- dropout这种，在训练时随机忽略层的一部分(比如 50%)神经元，也可以被视为一种正则化；
-
dropout的具体结构
-
Dropout 随机选择一部分神经元，然后忽略它们，停止向前传递信号；具体而言，训练时，每传递一次数据，就会随机选择要删除的神经元。 然后，测试时，虽然会传递所有的神经元信号，但是对于各个神经元的输出， 要乘上训练时的删除比例后再输出。
-
下图是概念图：
-
-
dropout的代码如下（直接看了书上的结果，没有自己做一遍）：
- forward函数中，是一个判断；训练时需要按照设置的比例忽略一些神经元，忽略的方法就是将x中某些元素值设置为0；测试时传递所有的神经元信号，但是都要乘上删除比例；
- 正向传播时没有传递信号的神经元，反向传播时信号就停在那里；换句话说，这些神经元
dout*self.mask的值为0，即这些神经元的梯度不会影响后续的反向传播；
-
下图是书上的一个实验：
- 加了dropout之后，训练集和测试集上的表现更相近，说明缓解了过拟合；
1.2.2应该插入到LSTM模型的哪里
-
不能在水平方向上插入
-
水平方向上是这样插入的：
-
由于每次dropout都有神经元不进行前向计算，这存在信息丢失；
-
并且我们会设置stateful参数为true，即下一次Time LSTM前向计算时会继承上一次Time LSTM的最后一个LSTM层的隐藏状态；这样一来，这个信息丢失会随着时间的延续而不断累积；
-
信息丢失多了，那就是说有用的信息少了，噪声多了；
-
所以不建议在水平方向上加入dropout
-
-
因此可以在垂直方向上插入；如下图所示；这样水平方向上不存在信息丢失，因此至少输入的数据的信息都学到了；
-
但是也有方法来实现水平方向上的dropout（正则化）
-
“变分 Dropout”(variational dropout)：同一层的 Dropout 使用相同的 mask。这里所说的 mask 是指决定是否传递数据的随机布尔值；这样每一层信息丢失的都是那一部分；那么在其它层的dropout信息丢失的又都是另外一部分，这样互相找补找补就会好很多；
-
1.3权重共享
-
通过前面了解LSTM的结构，我们可以感受到，LSTM的参数量是RNN的好几倍；加上多层化的话，参数量更多；因此可以适当减少一下参数量，在能够保证模型效果的前提下；而且参数量减少了还能抑制过拟合；见论文；
-
权重共享前提是得两个层的权重确实是一样的；像本书中这里说的权重共享，是将Embedding 层和 Softmax 前的 Affine 层共享权重；这两个部分用的权重维度是一样的；
- 具体而言，Embedding层的权重维度为
(V,H)；Affine 层的权重维度为(H,V)； - 因此只需将 Embedding 层权重的转置设置为 Affine 层的权重即可；
- 具体而言，Embedding层的权重维度为
2改进之后的LSTMLM的代码实现
本书学习过程中的代码已全部搬运至gitee：https://gitee.com/gaoyan1518/basic-nlp；
代码位于：
LSTM_model/better_LSTMLM.py；
-
首先需要构建一下Time Dropout层；由于Dropout层只是单纯的给某些神经元遮蔽掉，多个时刻也是一样的处理，时刻与时刻之间的Dropout层是独立的；所以不需要像Time LSTM层那样在forward里面循环T次；
-
另外这里在实现的时候，是在训练阶段就进行了缩放，所以测试阶段直接就返回了
x，代码如下；如果训练阶段没有进行缩放，则测试阶段就要对x乘上删除比例；1.0 - self.dropout_ratio是删除比例；【可以看这个博客】class TimeDropout: def __init__(self, dropout_ratio=0.5): self.params, self.grads = [], [] self.dropout_ratio = dropout_ratio self.mask = None self.train_flg = True def forward(self, xs): if self.train_flg: flg = cupy.random.rand(*xs.shape) > self.dropout_ratio scale = 1 / (1.0 - self.dropout_ratio) # 删除比例的倒数;删除的越多,剩余神经元的权重就越小 self.mask = flg.astype(cupy.float32) * scale return xs * self.mask else: return xs def backward(self, dout): return dout * self.mask
2.1初始化
-
与之前的LSTMLM相比，这里就是多层化了、权重共享了、加入了dropout，其他的都一样；代码如下：
class BetterRnnlm: def __init__(self, vocab_size=10000, wordvec_size=650, hidden_size=650, dropout_ratio=0.5): V, D, H = vocab_size, wordvec_size, hidden_size rn = np.random.randn embed_W = (rn(V, D) / 100).astype('f') # 与affine_w权重共享 lstm_Wx1 = (rn(D, 4 * H) / np.sqrt(D)).astype('f') # 同样是一个整合之后的权重矩阵 lstm_Wh1 = (rn(H, 4 * H) / np.sqrt(H)).astype('f') lstm_b1 = np.zeros(4 * H).astype('f') lstm_Wx2 = (rn(H, 4 * H) / np.sqrt(H)).astype('f') lstm_Wh2 = (rn(H, 4 * H) / np.sqrt(H)).astype('f') lstm_b2 = np.zeros(4 * H).astype('f') affine_b = np.zeros(V).astype('f') if GPU: embed_W = to_gpu(embed_W) lstm_Wx1 = to_gpu(lstm_Wx1) lstm_Wx2 = to_gpu(lstm_Wx2) lstm_Wh1 = to_gpu(lstm_Wh1) lstm_Wh2 = to_gpu(lstm_Wh2) lstm_b1 = to_gpu(lstm_b1) lstm_b2 = to_gpu(lstm_b2) affine_b = to_gpu(affine_b) self.layers = [ TimeEmbedding(embed_W), TimeDropout(dropout_ratio), TimeLSTM(lstm_Wx1, lstm_Wh1, lstm_b1, stateful=True), TimeDropout(dropout_ratio), TimeLSTM(lstm_Wx2, lstm_Wh2, lstm_b2, stateful=True), TimeDropout(dropout_ratio), TimeAffine(embed_W.T, affine_b) # weight tying!! ] self.loss_layer = TimeSoftmaxWithLoss() self.lstm_layers = [self.layers[2], self.layers[4]] self.drop_layers = [self.layers[1], self.layers[3], self.layers[5]] self.params, self.grads = [], [] for layer in self.layers: self.params += layer.params self.grads += layer.grads
2.2前向计算
-
和之前一样，只不过这里需要先把dropout层设置为训练模式；如下图所示：
-
代码如下：
def predict(self, xs, train_flg=False): ''' @param xs: (N, T);输入的数据; @param train_flg: 是否是训练阶段的标记;用于dropout层的计算方式选择; @return xs: (N,T,V);Time Affine层之后的输出,即得分;''' for layer in self.drop_layers: # 先将所有的dropout层都设置为训练模式 layer.train_flg = train_flg for layer in self.layers: xs = layer.forward(xs) return xs def forward(self, xs, ts, train_flg=True): ''' @param xs: (N, T);输入的数据; @param ts: (N, T);监督数据;(N,T)时不是独热编码形式; @param train_flg: 是否是训练阶段的标记;用于dropout层的计算方式选择; @return loss: 损失值;''' score = self.predict(xs, train_flg) loss = self.loss_layer.forward(score, ts) return loss
2.3反向传播
-
反向传播和LSTMLM一样；另外，重设状态的函数稍有区别；再就是还有加载和保存参数的函数；如下图所示；
3相应的学习代码的实现
代码位于：
LSTM_model/train_better_LSTMLM.py；
-
由于这里将Embedding层和Affine层进行权重共享，因此在
RNN_model/rnnTrainer.py的RnnlmTrainer.fit函数中，需要在梯度计算之后整合相同的权重对应的梯度值；即加入了remove_duplicate函数；如下图所示；
-
在学习过程中，每学习一个epoch，就在验证集上计算困惑度，如果困惑度变大了，则降低学习率，让模型训练更加稳定；
-
所以这里还需要读取验证集数据；与读取测试集数据一样；同样考虑了GPU的运行；
-
我们只需要在调用
RnnlmTrainer.fit函数时指定max_epoch=1就可以复用RnnlmTrainer.fit函数的同时，满足此处每个epoch都进行验证的需求； -
验证前通过model.reset_state()重置模型的状态（即Time LSTM层的初始h和c置为空）；验证完开启下一轮训练前也重置一次；
- 回忆改进前LSTMLM的学习过程，我们好像没有在每个epoch结束后重置状态；这里我自己试了一下在每个epoch开始前都重置初始的状态，结果和没有重置差不多；
- 那这里重置的意义在于，因为要看在验证集上的表现，因此来自训练集训练好的状态当然不能要，否则就收到训练集影响了；
-
通过调用
ppl = eval_perplexity(model, corpus_val)在测试集上走一遍前向计算的流程，获取模型在验证集上的困惑度值；读取数据的地方与RnnlmTrainer.fit函数中的有所不同，但本质上是一样的；eval_perplexity函数代码如下：def eval_perplexity(model, corpus, batch_size=10, time_size=35): print('evaluating perplexity ...') corpus_size = len(corpus) total_loss, loss_cnt = 0, 0 max_iters = (corpus_size - 1) // (batch_size * time_size) jump = (corpus_size - 1) // batch_size for iters in range(max_iters): xs = np.zeros((batch_size, time_size), dtype=np.int32) ts = np.zeros((batch_size, time_size), dtype=np.int32) time_offset = iters * time_size # 每过一个iters就跳过每个句子的time_size个单词 offsets = [time_offset + (i * jump) for i in range(batch_size)] for t in range(time_size): for i, offset in enumerate(offsets): # 这里xs和ts是都从corpus中获取; xs[i, t] = corpus[(offset + t) % corpus_size] ts[i, t] = corpus[(offset + t + 1) % corpus_size] try: xs = to_gpu(xs) ts = to_gpu(ts) loss = model.forward(xs, ts, train_flg=False) # 将dropout层设置为测试模式 except TypeError: xs = to_gpu(xs) ts = to_gpu(ts) loss = model.forward(xs, ts) total_loss += loss # 实现了一个进度条 sys.stdout.write('\r%d / %d' % (iters, max_iters)) sys.stdout.flush() print('') ppl = np.exp(total_loss / max_iters) # 返回验证集上的困惑度 return ppl
-
-
从生成模型开始的学习代码如下：
# 生成模型 model = BetterRnnlm(vocab_size, wordvec_size, hidden_size) optimizer = SGD(lr) trainer = RnnlmTrainer(model, optimizer) best_ppl = float('inf') for epoch in range(max_epoch): # 每次的fit都只训练一个epoch,所以传入的max_epoch=1 trainer.fit(xs, ts, max_epoch=1, batch_size=batch_size, time_size=time_size, max_grad=max_grad) model.reset_state() ppl = eval_perplexity(model, corpus_val) # 在验证集上进行前向计算然后评价困惑度 print('valid perplexity: ', ppl) if best_ppl > ppl: # 此时这一个epoch的模型效果更好 best_ppl = ppl model.save_params() else: # 否则困惑度更大,模型效果变差,则调整学习率 lr /= 4.0 optimizer.lr = lr model.reset_state() # 验证完了之后下个epoch训练前还要重置一下h和c print('-' * 50) # 基于验证数据进行评价 model.reset_state() ppl_test = eval_perplexity(model, corpus_test) print('test perplexity: ', ppl_test) -
训练过程和结果如下：
-
由于堆叠了Time LSTM层，网络的参数量大幅增加，且相关超参数也增加了；可以看到显卡占用比原来增加了：
-
每次训练完都会进行验证集上的困惑度的计算：
-
下图是训练结果；训练集上最终的困惑度降低到了三四十；验证集上困惑度为79；测试集上的困惑度为76；如下图所示：
-
4总结
- 本章我们用LSTM来代替RNN，从而缓解梯度消失的问题，能够控制梯度的流动；
- 本节咱们加深了神经网络的层数，为了防止过拟合，加入了dropout层；另外，对于能够权重共享的，我们进行权重共享；实现了效果的提升；
- 书上还有一部分是其他的一些研究，这里就不说了；
