PyTorch教程-15.4. 預(yù)訓(xùn)練word2vec

我們繼續(xù)實(shí)現(xiàn) 15.1 節(jié)中定義的 skip-gram 模型。然后我們將在 PTB 數(shù)據(jù)集上使用負(fù)采樣來(lái)預(yù)訓(xùn)練 word2vec。首先，讓我們通過(guò)調(diào)用函數(shù)來(lái)獲取數(shù)據(jù)迭代器和這個(gè)數(shù)據(jù)集的詞匯表 ，這在第 15.3 節(jié)d2l.load_data_ptb中有描述

import math
import torch
from torch import nn
from d2l import torch as d2l

batch_size, max_window_size, num_noise_words = 512, 5, 5
data_iter, vocab = d2l.load_data_ptb(batch_size, max_window_size,
                   num_noise_words)

Downloading ../data/ptb.zip from http://d2l-data.s3-accelerate.amazonaws.com/ptb.zip...

import math
from mxnet import autograd, gluon, np, npx
from mxnet.gluon import nn
from d2l import mxnet as d2l

npx.set_np()

batch_size, max_window_size, num_noise_words = 512, 5, 5
data_iter, vocab = d2l.load_data_ptb(batch_size, max_window_size,
                   num_noise_words)

15.4.1。Skip-Gram 模型

我們通過(guò)使用嵌入層和批量矩陣乘法來(lái)實(shí)現(xiàn) skip-gram 模型。首先，讓我們回顧一下嵌入層是如何工作的。

15.4.1.1。嵌入層

如第 10.7 節(jié)所述，嵌入層將標(biāo)記的索引映射到其特征向量。該層的權(quán)重是一個(gè)矩陣，其行數(shù)等于字典大小 ( input_dim)，列數(shù)等于每個(gè)標(biāo)記的向量維數(shù) ( output_dim)。一個(gè)詞嵌入模型訓(xùn)練好之后，這個(gè)權(quán)重就是我們所需要的。

embed = nn.Embedding(num_embeddings=20, embedding_dim=4)
print(f'Parameter embedding_weight ({embed.weight.shape}, '
   f'dtype={embed.weight.dtype})')

Parameter embedding_weight (torch.Size([20, 4]), dtype=torch.float32)

embed = nn.Embedding(input_dim=20, output_dim=4)
embed.initialize()
embed.weight

Parameter embedding0_weight (shape=(20, 4), dtype=float32)

嵌入層的輸入是標(biāo)記（單詞）的索引。對(duì)于任何令牌索引i，它的向量表示可以從ith嵌入層中權(quán)重矩陣的行。由于向量維度 ( output_dim) 設(shè)置為 4，因此嵌入層返回形狀為 (2, 3, 4) 的向量，用于形狀為 (2, 3) 的標(biāo)記索引的小批量。

x = torch.tensor([[1, 2, 3], [4, 5, 6]])
embed(x)

tensor([[[-0.6501, 1.3547, 0.7968, 0.3916],
     [ 0.4739, -0.0944, 1.2308, 0.6457],
     [ 0.4539, 1.5194, 0.4377, -1.5122]],

    [[-0.7032, -0.1213, 0.2657, -0.6797],
     [ 0.2930, -0.6564, 0.8960, -0.5637],
     [-0.1815, 0.9487, 0.8482, 0.5486]]], grad_fn=)

x = np.array([[1, 2, 3], [4, 5, 6]])
embed(x)

array([[[ 0.01438687, 0.05011239, 0.00628365, 0.04861524],
    [-0.01068833, 0.01729892, 0.02042518, -0.01618656],
    [-0.00873779, -0.02834515, 0.05484822, -0.06206018]],

    [[ 0.06491279, -0.03182812, -0.01631819, -0.00312688],
    [ 0.0408415 , 0.04370362, 0.00404529, -0.0028032 ],
    [ 0.00952624, -0.01501013, 0.05958354, 0.04705103]]])

15.4.1.2。定義前向傳播

在正向傳播中，skip-gram 模型的輸入包括形狀為（批大小，1）的中心詞索引和 形狀為（批大小，）center的連接上下文和噪聲詞索引，其中定義在 第 15.3.5 節(jié). 這兩個(gè)變量首先通過(guò)嵌入層從標(biāo)記索引轉(zhuǎn)換為向量，然后它們的批量矩陣乘法（在第 11.3.2.2 節(jié)中描述）返回形狀為（批量大小，1， ）的輸出 。輸出中的每個(gè)元素都是中心詞向量與上下文或噪聲詞向量的點(diǎn)積。contexts_and_negativesmax_lenmax_lenmax_len

def skip_gram(center, contexts_and_negatives, embed_v, embed_u):
  v = embed_v(center)
  u = embed_u(contexts_and_negatives)
  pred = torch.bmm(v, u.permute(0, 2, 1))
  return pred

def skip_gram(center, contexts_and_negatives, embed_v, embed_u):
  v = embed_v(center)
  u = embed_u(contexts_and_negatives)
  pred = npx.batch_dot(v, u.swapaxes(1, 2))
  return pred

skip_gram讓我們?yōu)橐恍┦纠斎氪蛴〈撕瘮?shù)的輸出形狀。

skip_gram(torch.ones((2, 1), dtype=torch.long),
     torch.ones((2, 4), dtype=torch.long), embed, embed).shape

torch.Size([2, 1, 4])

skip_gram(np.ones((2, 1)), np.ones((2, 4)), embed, embed).shape

(2, 1, 4)

15.4.2。訓(xùn)練

在用負(fù)采樣訓(xùn)練skip-gram模型之前，我們先定義它的損失函數(shù)。

15.4.2.1。二元交叉熵?fù)p失

根據(jù)15.2.1節(jié)負(fù)采樣損失函數(shù)的定義，我們將使用二元交叉熵?fù)p失。

class SigmoidBCELoss(nn.Module):
  # Binary cross-entropy loss with masking
  def __init__(self):
    super().__init__()

  def forward(self, inputs, target, mask=None):
    out = nn.functional.binary_cross_entropy_with_logits(
      inputs, target, weight=mask, reduction="none")
    return out.mean(dim=1)

loss = SigmoidBCELoss()

loss = gluon.loss.SigmoidBCELoss()

回想我們?cè)诘?15.3.5 節(jié)中對(duì)掩碼變量和標(biāo)簽變量的描述 。下面計(jì)算給定變量的二元交叉熵?fù)p失。

pred = torch.tensor([[1.1, -2.2, 3.3, -4.4]] * 2)
label = torch.tensor([[1.0, 0.0, 0.0, 0.0], [0.0, 1.0, 0.0, 0.0]])
mask = torch.tensor([[1, 1, 1, 1], [1, 1, 0, 0]])
loss(pred, label, mask) * mask.shape[1] / mask.sum(axis=1)

tensor([0.9352, 1.8462])

pred = np.array([[1.1, -2.2, 3.3, -4.4]] * 2)
label = np.array([[1.0, 0.0, 0.0, 0.0], [0.0, 1.0, 0.0, 0.0]])
mask = np.array([[1, 1, 1, 1], [1, 1, 0, 0]])
loss(pred, label, mask) * mask.shape[1] / mask.sum(axis=1)

array([0.93521017, 1.8462094 ])

下面顯示了如何使用二元交叉熵?fù)p失中的 sigmoid 激活函數(shù)計(jì)算上述結(jié)果（以效率較低的方式）。我們可以將這兩個(gè)輸出視為兩個(gè)歸一化損失，對(duì)非掩碼預(yù)測(cè)進(jìn)行平均。

def sigmd(x):
  return -math.log(1 / (1 + math.exp(-x)))

print(f'{(sigmd(1.1) + sigmd(2.2) + sigmd(-3.3) + sigmd(4.4)) / 4:.4f}')
print(f'{(sigmd(-1.1) + sigmd(-2.2)) / 2:.4f}')

0.9352
1.8462

def sigmd(x):
  return -math.log(1 / (1 + math.exp(-x)))

print(f'{(sigmd(1.1) + sigmd(2.2) + sigmd(-3.3) + sigmd(4.4)) / 4:.4f}')
print(f'{(sigmd(-1.1) + sigmd(-2.2)) / 2:.4f}')

0.9352
1.8462

15.4.2.2。初始化模型參數(shù)

當(dāng)詞匯表中的所有詞分別用作中心詞和上下文詞時(shí)，我們?yōu)樗鼈兌x了兩個(gè)嵌入層。詞向量維度embed_size設(shè)置為100。

embed_size = 100
net = nn.Sequential(nn.Embedding(num_embeddings=len(vocab),
                 embedding_dim=embed_size),
          nn.Embedding(num_embeddings=len(vocab),
                 embedding_dim=embed_size))

embed_size = 100
net = nn.Sequential()
net.add(nn.Embedding(input_dim=len(vocab), output_dim=embed_size),
    nn.Embedding(input_dim=len(vocab), output_dim=embed_size))

15.4.2.3。定義訓(xùn)練循環(huán)

訓(xùn)練循環(huán)定義如下。由于padding的存在，損失函數(shù)的計(jì)算與之前的訓(xùn)練函數(shù)略有不同。

def train(net, data_iter, lr, num_epochs, device=d2l.try_gpu()):
  def init_weights(module):
    if type(module) == nn.Embedding:
      nn.init.xavier_uniform_(module.weight)
  net.apply(init_weights)
  net = net.to(device)
  optimizer = torch.optim.Adam(net.parameters(), lr=lr)
  animator = d2l.Animator(xlabel='epoch', ylabel='loss',
              xlim=[1, num_epochs])
  # Sum of normalized losses, no. of normalized losses
  metric = d2l.Accumulator(2)
  for epoch in range(num_epochs):
    timer, num_batches = d2l.Timer(), len(data_iter)
    for i, batch in enumerate(data_iter):
      optimizer.zero_grad()
      center, context_negative, mask, label = [
        data.to(device) for data in batch]

      pred = skip_gram(center, context_negative, net[0], net[1])
      l = (loss(pred.reshape(label.shape).float(), label.float(), mask)
           / mask.sum(axis=1) * mask.shape[1])
      l.sum().backward()
      optimizer.step()
      metric.add(l.sum(), l.numel())
      if (i + 1) % (num_batches // 5) == 0 or i == num_batches - 1:
        animator.add(epoch + (i + 1) / num_batches,
               (metric[0] / metric[1],))
  print(f'loss {metric[0] / metric[1]:.3f}, '
     f'{metric[1] / timer.stop():.1f} tokens/sec on {str(device)}')

def train(net, data_iter, lr, num_epochs, device=d2l.try_gpu()):
  net.initialize(ctx=device, force_reinit=True)
  trainer = gluon.Trainer(net.collect_params(), 'adam',
              {'learning_rate': lr})
  animator = d2l.Animator(xlabel='epoch', ylabel='loss',
              xlim=[1, num_epochs])
  # Sum of normalized losses, no. of normalized losses
  metric = d2l.Accumulator(2)
  for epoch in range(num_epochs):
    timer, num_batches = d2l.Timer(), len(data_iter)
    for i, batch in enumerate(data_iter):
      center, context_negative, mask, label = [
        data.as_in_ctx(device) for data in batch]
      with autograd.record():
        pred = skip_gram(center, context_negative, net[0], net[1])
        l = (loss(pred.reshape(label.shape), label, mask) *
           mask.shape[1] / mask.sum(axis=1))
      l.backward()
      trainer.step(batch_size)
      metric.add(l.sum(), l.size)
      if (i + 1) % (num_batches // 5) == 0 or i == num_batches - 1:
        animator.add(epoch + (i + 1) / num_batches,
               (metric[0] / metric[1],))
  print(f'loss {metric[0] / metric[1]:.3f}, '
     f'{metric[1] / timer.stop():.1f} tokens/sec on {str(device)}')

現(xiàn)在我們可以使用負(fù)采樣來(lái)訓(xùn)練 skip-gram 模型。

lr, num_epochs = 0.002, 5
train(net, data_iter, lr, num_epochs)

loss 0.410, 170397.2 tokens/sec on cuda:0

lr, num_epochs = 0.002, 5
train(net, data_iter, lr, num_epochs)

loss 0.408, 86715.1 tokens/sec on gpu(0)

15.4.3。應(yīng)用詞嵌入

在訓(xùn)練完 word2vec 模型后，我們可以使用來(lái)自訓(xùn)練模型的詞向量的余弦相似度來(lái)從詞典中找到與輸入詞在語(yǔ)義上最相似的詞。

def get_similar_tokens(query_token, k, embed):
  W = embed.weight.data
  x = W[vocab[query_token]]
  # Compute the cosine similarity. Add 1e-9 for numerical stability
  cos = torch.mv(W, x) / torch.sqrt(torch.sum(W * W, dim=1) *
                   torch.sum(x * x) + 1e-9)
  topk = torch.topk(cos, k=k+1)[1].cpu().numpy().astype('int32')
  for i in topk[1:]: # Remove the input words
    print(f'cosine sim={float(cos[i]):.3f}: {vocab.to_tokens(i)}')

get_similar_tokens('chip', 3, net[0])

cosine sim=0.665: microprocessor
cosine sim=0.665: chips
cosine sim=0.646: intel

def get_similar_tokens(query_token, k, embed):
  W = embed.weight.data()
  x = W[vocab[query_token]]
  # Compute the cosine similarity. Add 1e-9 for numerical stability
  cos = np.dot(W, x) / np.sqrt(np.sum(W * W, axis=1) * np.sum(x * x) + 1e-9)
  topk = npx.topk(cos, k=k+1, ret_typ='indices').asnumpy().astype('int32')
  for i in topk[1:]: # Remove the input words
    print(f'cosine sim={float(cos[i]):.3f}: {vocab.to_tokens(i)}')

get_similar_tokens('chip', 3, net[0])

cosine sim=0.689: intel
cosine sim=0.682: desktop
cosine sim=0.616: digital

15.4.4。概括

我們可以使用嵌入層和二元交叉熵?fù)p失來(lái)訓(xùn)練具有負(fù)采樣的 skip-gram 模型。

詞嵌入的應(yīng)用包括根據(jù)詞向量的余弦相似度為給定詞尋找語(yǔ)義相似的詞。

15.4.5。練習(xí)

使用經(jīng)過(guò)訓(xùn)練的模型，為其他輸入詞找到語(yǔ)義相似的詞。你能通過(guò)調(diào)整超參數(shù)來(lái)改善結(jié)果嗎？

當(dāng)訓(xùn)練語(yǔ)料庫(kù)很大時(shí)，我們?cè)诟履Ｐ蛥?shù)時(shí)，往往會(huì)在當(dāng)前minibatch中對(duì)中心詞進(jìn)行上下文詞和噪聲詞的采樣。換句話說(shuō)，同一個(gè)中心詞在不同的訓(xùn)練時(shí)期可能有不同的上下文詞或噪聲詞。這種方法有什么好處？嘗試實(shí)施這種訓(xùn)練方法。