小编写这篇文章的一个主要目的,主要介绍的内容是关于PyTorch的一些知识,主要是介绍PyTorch nn.Embedding的一些使用方法,就具体的使用方法详细内容,下面给大家做一个详细解答。
一、前置知识
1.1语料库(Corpus)
太长不看版:NLP任务所依赖的语言数据称为语料库。
详细介绍版:语料库(Corpus,复数是Corpora)是组织成数据集的真实文本或音频的集合。此处的真实是指由该语言的母语者制作的文本或音频。语料库可以由从报纸、小说、食谱、广播到电视节目、电影和推文的所有内容组成。在自然语言处理中,语料库包含可用于训练AI的文本和语音数据。
1.2词元(Token)
为简便起见,假设我们的语料库只有三个英文句子并且均已经过处理(全部小写+去掉标点符号):
corpus=["he is an old worker","english is a useful tool","the cinema is far away"]
我们往往需要将其词元化(tokenize)以成为一个序列,这里只需要简单的split即可:
def tokenize(corpus): return[sentence.split()for sentence in corpus] tokens=tokenize(corpus) print(tokens) #[['he','is','an','old','worker'],['english','is','a','useful','tool'],['the','cinema','is','far','away']]
这里我们是以单词级别进行词元化,还可以以字符级别进行词元化。
1.3词表(Vocabulary)
词表不重复地包含了语料库中的所有词元,其实现方式十分容易:
vocab=set(sum(tokens,[])) print(vocab) #{'is','useful','an','old','far','the','away','a','he','tool','cinema','english','worker'}
词表在NLP任务中往往并不是最重要的,我们需要为词表中的每一个单词分配唯一的索引并构建单词到索引的映射:word2idx。这里我们按照单词出现的频率来构建word2idx。
from collections import Counter word2idx={ word:idx for idx,(word,freq)in enumerate( sorted(Counter(sum(tokens,[])).items(),key=lambda x:x[1],reverse=True)) } print(word2idx) #{'is':0,'he':1,'an':2,'old':3,'worker':4,'english':5,'a':6,'useful':7,'tool':8,'the':9,'cinema':10,'far':11,'away':12}
反过来,我们还可以构建idx2word:
idx2word={idx:word for word,idx in word2idx.items()} print(idx2word) #{0:'is',1:'he',2:'an',3:'old',4:'worker',5:'english',6:'a',7:'useful',8:'tool',9:'the',10:'cinema',11:'far',12:'away'}
对于1.2节中的tokens,也可以转化为索引的表示:
encoded_tokens=[[word2idx[token]for token in line]for line in tokens] print(encoded_tokens) #[[1,0,2,3,4],[5,0,6,7,8],[9,10,0,11,12]]
这种表示方式将在后续讲解nn.Embedding时提到。
二、nn.Embedding基础
2.1为什么要embedding?
RNN无法直接处理单词,因此需要通过某种方法把单词变成数字形式的向量才能作为RNN的输入。这种把单词映射到向量空间中的一个向量的做法称为词嵌入(word embedding),对应的向量称为词向量(word vector)。
2.2基础参数
我们首先讲解nn.Embedding中的基础参数,了解它的基本用法后,再讲解它的全部参数。
基础参数如下:
nn.Embedding(num_embeddings,embedding_dim)
其中num_embeddings是词表的大小,即len(vocab);embedding_dim是词向量的维度。
我们使用第一章节的例子,此时词表大小为12 12 12,不妨设嵌入后词向量的维度是3 3 3(即将单词嵌入到三维向量空间中),则embedding层应该这样创建:
torch.manual_seed(0)#为了复现性 emb=nn.Embedding(12,3)
embedding层中只有一个参数weight,在创建时它会从标准正态分布中进行初始化:
print(emb.weight) #Parameter containing: #tensor([[-1.1258,-1.1524,-0.2506], #[-0.4339,0.8487,0.6920], #[-0.3160,-2.1152,0.3223], #[-1.2633,0.3500,0.3081], #[0.1198,1.2377,1.1168], #[-0.2473,-1.3527,-1.6959], #[0.5667,0.7935,0.4397], #[0.1124,0.6408,0.4412], #[-0.2159,-0.7425,0.5627], #[0.2596,0.5229,2.3022], #[-1.4689,-1.5867,1.2032], #[0.0845,-1.2001,-0.0048]],requires_grad=True)
这里我们可以把weight当作embedding层的一个权重。
接下来再来看一下nn.Embedding的输入。直观来看,给定一个已经词元化的句子,将其中的单词输入到embedding层应该得到相应的词向量。事实上,nn.Embedding接受的输入并不是词元化后的句子,而是它的索引形式,即第一章节中提到的encoded_tokens。
nn.Embedding可以接受任何形状的张量作为输入,但因为传入的是索引,所以张量中的每个数字都不应超过len(vocab)-1,否则就会报错。接下来,nn.Embedding的作用就像一个查找表(Lookup Table)一样,通过这些索引在weight中查找并返回相应的词向量。
print(emb.weight) #tensor([[-1.1258,-1.1524,-0.2506], #[-0.4339,0.8487,0.6920], #[-0.3160,-2.1152,0.3223], #[-1.2633,0.3500,0.3081], #[0.1198,1.2377,1.1168], #[-0.2473,-1.3527,-1.6959], #[0.5667,0.7935,0.4397], #[0.1124,0.6408,0.4412], #[-0.2159,-0.7425,0.5627], #[0.2596,0.5229,2.3022], #[-1.4689,-1.5867,1.2032], #[0.0845,-1.2001,-0.0048]],requires_grad=True) sentence=torch.tensor(encoded_tokens[0])#一共有三个句子,这里只使用第一个句子 print(sentence) #tensor([1,0,2,3,4]) print(emb(sentence)) #tensor([[-0.4339,0.8487,0.6920], #[-1.1258,-1.1524,-0.2506], #[-0.3160,-2.1152,0.3223], #[-1.2633,0.3500,0.3081], #[0.1198,1.2377,1.1168]],grad_fn=<EmbeddingBackward0>) print(emb.weight[sentence]==emb(sentence)) #tensor([[True,True,True], #[True,True,True], #[True,True,True], #[True,True,True], #[True,True,True]])
2.3 nn.Embedding与nn.Linear的区别
细心的读者可能已经看出nn.Embedding和nn.Linear似乎很像,那它们到底有什么区别呢?
回顾nn.Linear,若不开启bias,设输入向量为x,nn.Linear.weight对应的矩阵为A(形状为hidden_size×input_size),则计算方式为:
y=xAT
其中x,y均为行向量。
假如x是one-hot向量,第i个位置是1 1 1,那么y就是A T的第i i行。
现给定一个单词w,假设它在word2idx中的索引就是i,在nn.Embedding中,我们根据这个索引i去查找emb.weight的第i行。而在nn.Linear中,我们则是将这个索引i编码成一个one-hot向量,再去乘上对应的权重矩阵得到矩阵的第i行。
请看下例:
torch.manual_seed(0) vocab_size=4#词表大小为4 embedding_dim=3#词向量维度为3 weight=torch.randn(4,3)#随机初始化权重矩阵 #保持线性层和嵌入层具有相同的权重 linear_layer=nn.Linear(4,3,bias=False) linear_layer.weight.data=weight.T#注意转置 emb_layer=nn.Embedding(4,3) emb_layer.weight.data=weight idx=torch.tensor(2)#假设某个单词在word2idx中的索引为2 word=torch.tensor([0,0,1,0]).to(torch.float)#上述单词的one-hot表示 print(emb_layer(idx)) #tensor([0.4033,0.8380,-0.7193],grad_fn=<EmbeddingBackward0>) print(linear_layer(word)) #tensor([0.4033,0.8380,-0.7193],grad_fn=<SqueezeBackward3>)
从中我们可以总结出:
nn.Linear接受向量作为输入,而nn.Embedding则是接受离散的索引作为输入;
nn.Embedding实际上就是输入为one-hot向量,且不带bias的nn.Linear。
此外,nn.Linear在运算过程中做了矩阵乘法,而nn.Embedding是直接根据索引查表,因此在该情景下nn.Embedding的效率显然更高。
????进一步阅读:[Stack Overflow]What is the difference between an Embedding Layer with a bias immediately afterwards and a Linear Layer in PyTorch?
2.4 nn.Embedding的更新问题
在查阅了PyTorch官方论坛和Stack Overflow的一些帖子后,发现有不少人对nn.Embedding中的权重weight是怎么更新的感到非常困惑。
????nn.Embedding的权重实际上就是词嵌入本身
事实上,nn.Embedding.weight在更新的过程中既没有采用Skip-gram也没有采用CBOW。回顾最简单的多层感知机,其中的nn.Linear.weight会随着反向传播自动更新。当我们把nn.Embedding视为一个特殊的nn.Linear后,其更新机制就不难理解了,无非就是按照梯度进行更新罢了。
训练结束后,得到的词嵌入是最适合当前任务的词嵌入,而非像word2vec,GloVe这种更为通用的词嵌入。
当然我们也可以在训练开始之前使用预训练的词嵌入,例如上述提到的word2vec,但此时应该考虑针对当前任务重新训练或进行微调。
假如我们已经使用了预训练的词嵌入并且不想让它在训练过程中自我更新,那么可以尝试冻结梯度,即:
emb.weight.requires_grad=False
三、nn.Embedding进阶
在这一章节中,我们会讲解nn.Embedding的所有参数并介绍如何使用预训练的词嵌入。
3.1全部参数
官方文档:
padding_idx
我们知道,nn.Embedding虽然可以接受任意形状的张量作为输入,但绝大多数情况下,其输入的形状为batch_size×sequence_length,这要求同一个batch中的所有序列的长度相同。
回顾1.2节中的例子,语料库中的三个句子的长度相同(拥有相同的单词个数),但事实上这是博主特意选取的三个句子。现实任务中,很难保证同一个batch中的所有句子长度都相同,因此我们需要对那些长度较短的句子进行填充。因为输入到nn.Embedding中的都是索引,所以我们也需要用索引进行填充,那使用哪个索引最好呢?
假设语料库为:
corpus=["he is an old worker","time tries truth","better late than never"] print(word2idx) #{'he':0,'is':1,'an':2,'old':3,'worker':4,'time':5,'tries':6,'truth':7,'better':8,'late':9,'than':10,'never':11} print(encoded_tokens) #[[0,1,2,3,4],[5,6,7],[8,9,10,11]]
我们可以在word2idx中新增一个词元<pad>(代表填充词元),并为其分配新的索引:
word2idx['<pad>']=12
对encoded_tokens进行填充:
max_length=max([len(seq)for seq in encoded_tokens]) for i in range(len(encoded_tokens)): encoded_tokens<i>+=[word2idx['<pad>']]*(max_length-len(encoded_tokens<i>)) print(encoded_tokens) #[[0,1,2,3,4],[5,6,7,12,12],[8,9,10,11,12]]
创建embedding层并指定padding_idx:
emb=nn.Embedding(len(word2idx),3,padding_idx=12)#假设词向量维度是3 print(emb.weight) #tensor([[1.5017,-1.1737,0.1742], #[-0.9511,-0.4172,1.5996], #[0.6306,1.4186,1.3872], #[-0.1833,1.4485,-0.3515], #[0.2474,-0.8514,-0.2448], #[0.4386,1.3905,0.0328], #[-0.1215,0.5504,0.1499], #[0.5954,-1.0845,1.9494], #[0.0668,1.1366,-0.3414], #[-0.0260,-0.1091,0.4937], #[0.4947,1.1701,-0.5660], #[1.1717,-0.3970,-1.4958], #[0.0000,0.0000,0.0000]],requires_grad=True)
可以看出填充词元对应的词向量是零向量,并且在训练过程中填充词元对应的词向量不会进行更新(始终是零向量)。
padding_idx默认为None,即不进行填充。
max_norm
如果词向量的范数超过了max_norm,则将其按范数归一化至max_norm:
max_norm默认为None,即不进行归一化。
norm_type
当指定了max_norm时,norm_type决定采用何种范数去计算。默认是2-范数。
scale_grad_by_freq
若将该参数设置为True,则对词向量w w w进行更新时,会根据它在一个batch中出现的频率对相应的梯度进行缩放:
默认为False。
sparse
若设置为True,则与Embedding.weight相关的梯度将变为稀疏张量,此时优化器只能选择:SGD、SparseAdam和Adagrad。默认为False。
3.2使用预训练的词嵌入
有些情况下我们需要使用预训练的词嵌入,这时候可以使用from_pretrained方法,如下:
torch.manual_seed(0) pretrained_embeddings=torch.randn(4,3) print(pretrained_embeddings) #tensor([[1.5410,-0.2934,-2.1788], #[0.5684,-1.0845,-1.3986], #[0.4033,0.8380,-0.7193], #[-0.4033,-0.5966,0.1820]]) emb=nn.Embedding(4,3).from_pretrained(pretrained_embeddings) print(emb.weight) #tensor([[1.5410,-0.2934,-2.1788], #[0.5684,-1.0845,-1.3986], #[0.4033,0.8380,-0.7193], #[-0.4033,-0.5966,0.1820]])
如果要避免预训练的词嵌入在后续的训练过程中更新,可将freeze参数设置为True:
emb=nn.Embedding(4,3).from_pretrained(pretrained_embeddings,freeze=True)
综上所述,这篇文章就给大家介绍到这里了,希望可以给大家带来帮助。
文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。
转载请注明本文地址:https://www.ucloud.cn/yun/128362.html
摘要:截止到今天,已公开发行一周年。一年以来,社区中的用户不断做出贡献和优化,在此深表感谢。所以与衡量它的指标包括在机器学习研究论文中的使用。来自香港科技大学的在上推出了面向普通观众的在线课程。 Yann LeCun Twitter截止到今天,PyTorch 已公开发行一周年。一年以来,我们致力于打造一个灵活的深度学习研究平台。一年以来,PyTorch 社区中的用户不断做出贡献和优化,在此深表感谢...
摘要:经过第一步的处理已经把古诗词词语转换为可以机器学习建模的数字形式,因为我们采用算法进行古诗词生成,所以还需要构建输入到输出的映射处理。 LSTM 介绍 序列化数据即每个样本和它之前的样本存在关联,前一数据和后一个数据有顺序关系。深度学习中有一个重要的分支是专门用来处理这样的数据的——循环神经网络。循环神经网络广泛应用在自然语言处理领域(NLP),今天我们带你从一个实际的例子出发,介绍循...
摘要:本项目使用网络上收集的对联数据集地址作为训练数据,运用注意力机制网络完成了根据上联对下联的任务。这种方式在一定程度上降低了输出对位置的敏感性。而机制正是为了弥补这一缺陷而设计的。该类中有两个方法,分别在训练和预测时应用。 桃符早易朱红纸,杨柳轻摇翡翠群 ——FlyAI Couplets 体验对对联Demo: https://www.flyai.com/couplets s...
摘要:本项目使用网络上收集的对联数据集地址作为训练数据,运用注意力机制网络完成了根据上联对下联的任务。这种方式在一定程度上降低了输出对位置的敏感性。而机制正是为了弥补这一缺陷而设计的。该类中有两个方法,分别在训练和预测时应用。 桃符早易朱红纸,杨柳轻摇翡翠群 ——FlyAI Couplets 体验对对联Demo: https://www.flyai.com/couplets s...
阅读 873·2023-01-14 11:38
阅读 819·2023-01-14 11:04
阅读 668·2023-01-14 10:48
阅读 1823·2023-01-14 10:34
阅读 874·2023-01-14 10:24
阅读 738·2023-01-14 10:18
阅读 467·2023-01-14 10:09
阅读 500·2023-01-14 10:02