Transformer注解及PyTorch实现(下)

栏目: Python · 发布时间: 6年前

内容简介:请先阅读- 批和掩码- 训练循环

请先阅读 Transformer注解及PyTorch实现(上)

目录

训练

- 批和掩码

- 训练循环

- 训练数据和批处理

- 硬件和训练进度

-优化器

-正则化

- 标签平滑

第一个例子

- 数据生成

- 损失计算

- 贪心解码

真实示例

- 数据加载

- 迭代器

- 多GPU训练

- 训练系统附加组件:BPE,搜索,平均

结果

- 注意力可视化

结论

训练

本节介绍模型的训练方法。

快速穿插介绍训练标准编码器解码器模型需要的一些工具。首先我们定义一个包含源和目标句子的批训练对象用于训练,同时构造掩码。

批和掩码

  1. class Batch:

  2.    "Object for holding a batch of data with mask during training."

  3.    def __init__(self, src, trg=None, pad=0):

  4.        self.src = src

  5.        self.src_mask = (src != pad).unsqueeze(-2)

  6.        if trg is not None:

  7.            self.trg = trg[:, :-1]

  8.            self.trg_y = trg[:, 1:]

  9.            self.trg_mask = \

  10.                self.make_std_mask(self.trg, pad)

  11.            self.ntokens = (self.trg_y != pad).data.sum()

  12.    @staticmethod

  13.    def make_std_mask(tgt, pad):

  14.        "Create a mask to hide padding and future words."

  15.        tgt_mask = (tgt != pad).unsqueeze(-2)

  16.        tgt_mask = tgt_mask & Variable(

  17.            subsequent_mask(tgt.size(-1)).type_as(tgt_mask.data))

  18.        return tgt_mask

接下来,我们创建一个通用的训练和得分函数来跟踪损失。我们传入一个通用的损失计算函数,它也处理参数更新。

训练循环

def run_epoch(data_iter, model, loss_compute):
   "Standard Training and Logging Function"
   start = time.time()
   total_tokens = 0
   total_loss = 0
   tokens = 0
   for i, batch in enumerate(data_iter):
       out = model.forward(batch.src, batch.trg,
                           batch.src_mask, batch.trg_mask)
       loss = loss_compute(out, batch.trg_y, batch.ntokens)
       total_loss += loss
       total_tokens += batch.ntokens
       tokens += batch.ntokens
       if i % 50 == 1:
           elapsed = time.time() - start
           print("Epoch Step: %d Loss: %f Tokens per Sec: %f" %
                   (i, loss / batch.ntokens, tokens / elapsed))
           start = time.time()
           tokens = 0
   return total_loss / total_tokens

训练数据和批处理

我们使用标准WMT 2014英语-德语数据集进行了训练,该数据集包含大约450万个句子对。 使用字节对的编码方法对句子进行编码,该编码具有大约37000个词的共享源-目标词汇表。 对于英语-法语,我们使用了WMT 2014 英语-法语数据集,该数据集由36M个句子组成,并将词分成32000个词片(Word-piece)的词汇表。

句子对按照近似的序列长度进行批处理。每个训练批包含一组句子对,包含大约25000个源词和25000个目标词。

我们将使用torch text来创建批次。下面更详细地讨论实现过程。 我们在torchtext的一个函数中创建批次,确保填充到最大批训练长度的大小不超过阈值(如果我们有8个GPU,则阈值为25000)。

global max_src_in_batch, max_tgt_in_batch
def batch_size_fn(new, count, sofar):
   "Keep augmenting batch and calculate total number of tokens + padding."
   global max_src_in_batch, max_tgt_in_batch
   if count == 1:
       max_src_in_batch = 0
       max_tgt_in_batch = 0
   max_src_in_batch = max(max_src_in_batch,  len(new.src))
   max_tgt_in_batch = max(max_tgt_in_batch,  len(new.trg) + 2)
   src_elements = count * max_src_in_batch
   tgt_elements = count * max_tgt_in_batch
   return max(src_elements, tgt_elements)

硬件和训练进度

我们在一台配备8个NVIDIA P100 GPU的机器上训练我们的模型。 对于使用本文所述的超参数的基本模型,每个训练单步大约需要0.4秒。 我们对基础模型进行了总共100,000步或12小时的训练。 对于我们的大型模型,每个训练单步时间为1.0秒。 大型模型通常需要训练300,000步(3.5天)。

优化器

我们选择Adam[1]作为优化器,其参数为 Transformer注解及PyTorch实现(下)Transformer注解及PyTorch实现(下)Transformer注解及PyTorch实现(下) 。根据以下公式,我们在训练过程中改变了学习率: Transformer注解及PyTorch实现(下) 。在预热中随步数线性地增加学习速率,并且此后与步数的反平方根成比例地减小它。我们设置预热步数为4000。

注意:这部分非常重要,需要这种设置训练模型。

  1. class NoamOpt:

  2.    "Optim wrapper that implements rate."

  3.    def __init__(self, model_size, factor, warmup, optimizer):

  4.        self.optimizer = optimizer

  5.        self._step = 0

  6.        self.warmup = warmup

  7.        self.factor = factor

  8.        self.model_size = model_size

  9.        self._rate = 0

  10.    def step(self):

  11.        "Update parameters and rate"

  12.        self._step += 1

  13.        rate = self.rate()

  14.        for p in self.optimizer.param_groups:

  15.            p['lr'] = rate

  16.        self._rate = rate

  17.        self.optimizer.step()

  18.    def rate(self, step = None):

  19.        "Implement `lrate` above"

  20.        if step is None:

  21.            step = self._step

  22.        return self.factor * \

  23.            (self.model_size ** (-0.5) *

  24.            min(step ** (-0.5), step * self.warmup ** (-1.5)))

  25. def get_std_opt(model):

  26.    return NoamOpt(model.src_embed[0].d_model, 2, 4000,

  27.            torch.optim.Adam(model.parameters(), lr=0, betas=(0.9, 0.98), eps=1e-9))

当前模型在不同模型大小和超参数的情况下的曲线示例。

# Three settings of the lrate hyperparameters.
opts = [NoamOpt(512, 1, 4000, None),
       NoamOpt(512, 1, 8000, None),
       NoamOpt(256, 1, 4000, None)]
plt.plot(np.arange(1, 20000), [[opt.rate(i) for opt in opts] for i in range(1, 20000)])
plt.legend(["512:4000", "512:8000", "256:4000"])
None

Transformer注解及PyTorch实现(下)

正则化

标签平滑

在训练期间,我们采用了值 Transformer注解及PyTorch实现(下) [2]的标签平滑。 这种做法提高了困惑度,因为模型变得更加不确定,但提高了准确性和BLEU分数。

我们使用KL div loss实现标签平滑。 相比使用独热目标分布,我们创建一个分布,其包含正确单词的置信度和整个词汇表中分布的其余平滑项。

class LabelSmoothing(nn.Module):
    "Implement label smoothing."
    def __init__(self, size, padding_idx, smoothing=0.0):
        super(LabelSmoothing, self).__init__()
        self.criterion = nn.KLDivLoss(size_average=False)
        self.padding_idx = padding_idx
        self.confidence = 1.0 - smoothing
        self.smoothing = smoothing
        self.size = size
        self.true_dist = None
    def forward(self, x, target):
        assert x.size(1) == self.size
        true_dist = x.data.clone()
        true_dist.fill_(self.smoothing / (self.size - 2))
        true_dist.scatter_(1, target.data.unsqueeze(1), self.confidence)
        true_dist[:, self.padding_idx] = 0
        mask = torch.nonzero(target.data == self.padding_idx)
        if mask.dim() > 0:
            true_dist.index_fill_(0, mask.squeeze(), 0.0)
        self.true_dist = true_dist
        return self.criterion(x, Variable(true_dist, requires_grad=False))

在这里,我们可以看到标签平滑的示例。

  1. # Example of label smoothing.

  2. crit = LabelSmoothing(5, 0, 0.4)

  3. predict = torch.FloatTensor([[0, 0.2, 0.7, 0.1, 0],

  4.                             [0, 0.2, 0.7, 0.1, 0],

  5.                             [0, 0.2, 0.7, 0.1, 0]])

  6. v = crit(Variable(predict.log()),

  7.         Variable(torch.LongTensor([2, 1, 0])))

  8. # Show the target distributions expected by the system.

  9. plt.imshow(crit.true_dist)

  10. None

Transformer注解及PyTorch实现(下)

如果对给定的选择非常有信心,标签平滑实际上会开始惩罚模型。

crit = LabelSmoothing(5, 0, 0.1)
def loss(x):
   d = x + 3 * 1
   predict = torch.FloatTensor([[0, x / d, 1 / d, 1 / d, 1 / d],
                                ])
   #print(predict)
   return crit(Variable(predict.log()),
                Variable(torch.LongTensor([1]))).data[0]
plt.plot(np.arange(1, 100), [loss(x) for x in range(1, 100)])
None

Transformer注解及PyTorch实现(下)

第一个例子

我们可以先尝试一个简单的复制任务。 给定来自小词汇表的随机输入符号集,目标是生成那些相同的符号。

数据生成

def data_gen(V, batch, nbatches):
   "Generate random data for a src-tgt copy task."
   for i in range(nbatches):
       data = torch.from_numpy(np.random.randint(1, V, size=(batch, 10)))
       data[:, 0] = 1
       src = Variable(data, requires_grad=False)
       tgt = Variable(data, requires_grad=False)
       yield Batch(src, tgt, 0)

损失计算

class SimpleLossCompute:
    "A simple loss compute and train function."
    def __init__(self, generator, criterion, opt=None):
        self.generator = generator
        self.criterion = criterion
        self.opt = opt
    def __call__(self, x, y, norm):
        x = self.generator(x)
        loss = self.criterion(x.contiguous().view(-1, x.size(-1)), 
                              y.contiguous().view(-1)) / norm
        loss.backward()
        if self.opt is not None:
            self.opt.step()
            self.opt.optimizer.zero_grad()
        return loss.data[0] * norm

贪心解码

  1. # Train the simple copy task.

  2. V = 11

  3. criterion = LabelSmoothing(size=V, padding_idx=0, smoothing=0.0)

  4. model = make_model(V, V, N=2)

  5. model_opt = NoamOpt(model.src_embed[0].d_model, 1, 400,

  6.        torch.optim.Adam(model.parameters(), lr=0, betas=(0.9, 0.98), eps=1e-9))

  7. for epoch in range(10):

  8.    model.train()

  9.    run_epoch(data_gen(V, 30, 20), model,

  10.              SimpleLossCompute(model.generator, criterion, model_opt))

  11.    model.eval()

  12.    print(run_epoch(data_gen(V, 30, 5), model,

  13.                    SimpleLossCompute(model.generator, criterion, None)))

Epoch Step: 1 Loss: 3.023465 Tokens per Sec: 403.074173
Epoch Step: 1 Loss: 1.920030 Tokens per Sec: 641.689380
1.9274832487106324
Epoch Step: 1 Loss: 1.940011 Tokens per Sec: 432.003378
Epoch Step: 1 Loss: 1.699767 Tokens per Sec: 641.979665
1.657595729827881
Epoch Step: 1 Loss: 1.860276 Tokens per Sec: 433.320240
Epoch Step: 1 Loss: 1.546011 Tokens per Sec: 640.537198
1.4888023376464843
Epoch Step: 1 Loss: 1.682198 Tokens per Sec: 432.092305
Epoch Step: 1 Loss: 1.313169 Tokens per Sec: 639.441857
1.3485562801361084
Epoch Step: 1 Loss: 1.278768 Tokens per Sec: 433.568756
Epoch Step: 1 Loss: 1.062384 Tokens per Sec: 642.542067
0.9853351473808288
Epoch Step: 1 Loss: 1.269471 Tokens per Sec: 433.388727
Epoch Step: 1 Loss: 0.590709 Tokens per Sec: 642.862135
0.5686767101287842
Epoch Step: 1 Loss: 0.997076 Tokens per Sec: 433.009746
Epoch Step: 1 Loss: 0.343118 Tokens per Sec: 642.288427
0.34273059368133546
Epoch Step: 1 Loss: 0.459483 Tokens per Sec: 434.594030
Epoch Step: 1 Loss: 0.290385 Tokens per Sec: 642.519464
0.2612409472465515
Epoch Step: 1 Loss: 1.031042 Tokens per Sec: 434.557008
Epoch Step: 1 Loss: 0.437069 Tokens per Sec: 643.630322
0.4323212027549744
Epoch Step: 1 Loss: 0.617165 Tokens per Sec: 436.652626
Epoch Step: 1 Loss: 0.258793 Tokens per Sec: 644.372296
0.27331129014492034

为简单起见,此代码使用贪心解码来预测翻译。

  1. def greedy_decode(model, src, src_mask, max_len, start_symbol):

  2.    memory = model.encode(src, src_mask)

  3.    ys = torch.ones(1, 1).fill_(start_symbol).type_as(src.data)

  4.    for i in range(max_len-1):

  5.        out = model.decode(memory, src_mask,

  6.                           Variable(ys),

  7.                           Variable(subsequent_mask(ys.size(1))

  8.                                    .type_as(src.data)))

  9.        prob = model.generator(out[:, -1])

  10.        _, next_word = torch.max(prob, dim = 1)

  11.        next_word = next_word.data[0]

  12.        ys = torch.cat([ys,

  13.                        torch.ones(1, 1).type_as(src.data).fill_(next_word)], dim=1)

  14.    return ys

  15. model.eval()

  16. src = Variable(torch.LongTensor([[1,2,3,4,5,6,7,8,9,10]]) )

  17. src_mask = Variable(torch.ones(1, 1, 10) )

print(greedy_decode(model, src, src_mask, max_len=10, start_symbol=1))
   1     2     3     4     5     6     7     8     9    10
[torch.LongTensor of size 1x10]

真实示例

现在我们通过IWSLT德语-英语翻译任务介绍一个真实示例。 该任务比上文提及的WMT任务小得多,但它说明了整个系统。 我们还展示了如何使用多个GPU处理加速其训练。

#!pip install torchtext spacy
#!python -m spacy download en
#!python -m spacy download de

数据加载

我们将使用torchtext和spacy加载数据集以进行词语切分。

# For data loading.
from torchtext import data, datasets
if True:
    import spacy
    spacy_de = spacy.load('de')
    spacy_en = spacy.load('en')
    def tokenize_de(text):
        return [tok.text for tok in spacy_de.tokenizer(text)]
    def tokenize_en(text):
        return [tok.text for tok in spacy_en.tokenizer(text)]
    BOS_WORD = '<s>'
    EOS_WORD = '</s>'
    BLANK_WORD = "<blank>"
    SRC = data.Field(tokenize=tokenize_de, pad_token=BLANK_WORD)
    TGT = data.Field(tokenize=tokenize_en, init_token = BOS_WORD, 
                     eos_token = EOS_WORD, pad_token=BLANK_WORD)
    MAX_LEN = 100
    train, val, test = datasets.IWSLT.splits(
        exts=('.de', '.en'), fields=(SRC, TGT), 
        filter_pred=lambda x: len(vars(x)['src']) <= MAX_LEN and 
            len(vars(x)['trg']) <= MAX_LEN)
    MIN_FREQ = 2
    SRC.build_vocab(train.src, min_freq=MIN_FREQ)
    TGT.build_vocab(train.trg, min_freq=MIN_FREQ)

批训练对于速度来说很重要。我们希望批次分割非常均匀并且填充最少。 要做到这一点,我们必须修改torchtext默认的批处理函数。 这部分代码修补其默认批处理函数,以确保我们搜索足够多的句子以构建紧密批处理。

迭代器

  1. class MyIterator(data.Iterator):

  2.    def create_batches(self):

  3.        if self.train:

  4.            def pool(d, random_shuffler):

  5.                for p in data.batch(d, self.batch_size * 100):

  6.                    p_batch = data.batch(

  7.                        sorted(p, key=self.sort_key),

  8.                        self.batch_size, self.batch_size_fn)

  9.                    for b in random_shuffler(list(p_batch)):

  10.                        yield b

  11.            self.batches = pool(self.data(), self.random_shuffler)

  12.        else:

  13.            self.batches = []

  14.            for b in data.batch(self.data(), self.batch_size,

  15.                                          self.batch_size_fn):

  16.                self.batches.append(sorted(b, key=self.sort_key))

  17. def rebatch(pad_idx, batch):

  18.    "Fix order in torchtext to match ours"

  19.    src, trg = batch.src.transpose(0, 1), batch.trg.transpose(0, 1)

  20.    return Batch(src, trg, pad_idx)

多GPU训练

最后为了真正地快速训练,我们将使用多个GPU。 这部分代码实现了多GPU字生成。 它不是Transformer特有的,所以我不会详细介绍。 其思想是将训练时的单词生成分成块,以便在许多不同的GPU上并行处理。 我们使用PyTorch并行原语来做到这一点:

  • 复制 - 将模块拆分到不同的GPU上

  • 分散 - 将批次拆分到不同的GPU上

  • 并行应用 - 在不同GPU上将模块应用于批处理

  • 聚集 - 将分散的数据聚集到一个GPU上

  • nn.DataParallel - 一个特殊的模块包装器,在评估之前调用它们。

# Skip if not interested in multigpu.
class MultiGPULossCompute:
    "A multi-gpu loss compute and train function."
    def __init__(self, generator, criterion, devices, opt=None, chunk_size=5):
        # Send out to different gpus.
        self.generator = generator
        self.criterion = nn.parallel.replicate(criterion, 
                                               devices=devices)
        self.opt = opt
        self.devices = devices
        self.chunk_size = chunk_size
    def __call__(self, out, targets, normalize):
        total = 0.0
        generator = nn.parallel.replicate(self.generator, 
                                                devices=self.devices)
        out_scatter = nn.parallel.scatter(out, 
                                          target_gpus=self.devices)
        out_grad = [[] for _ in out_scatter]
        targets = nn.parallel.scatter(targets, 
                                      target_gpus=self.devices)
        # Divide generating into chunks.
        chunk_size = self.chunk_size
        for i in range(0, out_scatter[0].size(1), chunk_size):
            # Predict distributions
            out_column = [[Variable(o[:, i:i+chunk_size].data, 
                                    requires_grad=self.opt is not None)] 
                           for o in out_scatter]
            gen = nn.parallel.parallel_apply(generator, out_column)
            # Compute loss. 
            y = [(g.contiguous().view(-1, g.size(-1)), 
                  t[:, i:i+chunk_size].contiguous().view(-1)) 
                 for g, t in zip(gen, targets)]
            loss = nn.parallel.parallel_apply(self.criterion, y)
            # Sum and normalize loss
            l = nn.parallel.gather(loss, 
                                   target_device=self.devices[0])
            l = l.sum()[0] / normalize
            total += l.data[0]
            # Backprop loss to output of transformer
            if self.opt is not None:
                l.backward()
                for j, l in enumerate(loss):
                    out_grad[j].append(out_column[j][0].grad.data.clone())
        # Backprop all loss through transformer.            
        if self.opt is not None:
            out_grad = [Variable(torch.cat(og, dim=1)) for og in out_grad]
            o1 = out
            o2 = nn.parallel.gather(out_grad, 
                                    target_device=self.devices[0])
            o1.backward(gradient=o2)
            self.opt.step()
            self.opt.optimizer.zero_grad()
        return total * normalize

现在我们创建模型,损失函数,优化器,数据迭代器和并行化。

# GPUs to use
devices = [0, 1, 2, 3]
if True:
   pad_idx = TGT.vocab.stoi["<blank>"]
   model = make_model(len(SRC.vocab), len(TGT.vocab), N=6)
   model.cuda()
   criterion = LabelSmoothing(size=len(TGT.vocab), padding_idx=pad_idx, smoothing=0.1)
   criterion.cuda()
   BATCH_SIZE = 12000
   train_iter = MyIterator(train, batch_size=BATCH_SIZE, device=0,
                           repeat=False, sort_key=lambda x: (len(x.src), len(x.trg)),
                           batch_size_fn=batch_size_fn, train=True)
   valid_iter = MyIterator(val, batch_size=BATCH_SIZE, device=0,
                           repeat=False, sort_key=lambda x: (len(x.src), len(x.trg)),
                           batch_size_fn=batch_size_fn, train=False)
   model_par = nn.DataParallel(model, device_ids=devices)
None

现在我们训练模型。 我将稍微使用预热步骤,但其他一切都使用默认参数。 在具有4个Tesla V100 GPU的AWS p3.8xlarge机器上,每秒运行约27,000个词,批训练大小大小为12,000。

训练系统

#!wget https://s3.amazonaws.com/opennmt-models/iwslt.pt
if False:
   model_opt = NoamOpt(model.src_embed[0].d_model, 1, 2000,
           torch.optim.Adam(model.parameters(), lr=0, betas=(0.9, 0.98), eps=1e-9))
   for epoch in range(10):
       model_par.train()
       run_epoch((rebatch(pad_idx, b) for b in train_iter),
                 model_par,
                 MultiGPULossCompute(model.generator, criterion,
                                     devices=devices, opt=model_opt))
       model_par.eval()
       loss = run_epoch((rebatch(pad_idx, b) for b in valid_iter),
                         model_par,
                         MultiGPULossCompute(model.generator, criterion,
                         devices=devices, opt=None))
       print(loss)
else:
   model = torch.load("iwslt.pt")

一旦训练完成,我们可以解码模型以产生一组翻译。 在这里,我们只需翻译验证集中的第一个句子。 此数据集非常小,因此使用贪婪搜索的翻译相当准确。

for i, batch in enumerate(valid_iter):
   src = batch.src.transpose(0, 1)[:1]
   src_mask = (src != SRC.vocab.stoi["<blank>"]).unsqueeze(-2)
   out = greedy_decode(model, src, src_mask,
                       max_len=60, start_symbol=TGT.vocab.stoi["<s>"])
   print("Translation:", end="\t")
   for i in range(1, out.size(1)):
       sym = TGT.vocab.itos[out[0, i]]
       if sym == "</s>": break
       print(sym, end =" ")
   print()
   print("Target:", end="\t")
   for i in range(1, batch.trg.size(0)):
       sym = TGT.vocab.itos[batch.trg.data[i, 0]]
       if sym == "</s>": break
       print(sym, end =" ")
   print()
   break
Translation:    <unk> <unk> . In my language , that means , thank you very much .
Gold:    <unk> <unk> . It means in my language , thank you very much .

附加组件:BPE,搜索,平均

所以这主要涵盖了Transformer模型本身。 有四个方面我们没有明确涵盖。 我们还实现了所有这些附加功能 OpenNMT-py[3].

1) 字节对编码/ 字片(Word-piece):我们可以使用库来首先将数据预处理为子字单元。参见Rico Sennrich的subword-nmt实现[4]。这些模型将训练数据转换为如下所示:

▁Die ▁Protokoll datei ▁kann ▁ heimlich ▁per ▁E - Mail ▁oder ▁FTP ▁an ▁einen ▁bestimmte n ▁Empfänger ▁gesendet ▁werden .

2) 共享嵌入:当使用具有共享词汇表的BPE时,我们可以在源/目标/生成器之间共享相同的权重向量,详细见[5]。 要将其添加到模型,只需执行以下操作:

if False:
   model.src_embed[0].lut.weight = model.tgt_embeddings[0].lut.weight
   model.generator.lut.weight = model.tgt_embed[0].lut.weight
3) 集束搜索:这里展开说有点太复杂了。 PyTorch版本的实现可以参考 OpenNMT- py[6]。
4) 模型平均:这篇文章平均最后k个检查点以创建一个集合效果。 如果我们有一堆模型,我们可以在事后这样做:
def average(model, models):
   "Average models into model"
   for ps in zip(*[m.params() for m in [model] + models]):
       p[0].copy_(torch.sum(*ps[1:]) / len(ps[1:]))

结果

在WMT 2014英语-德语翻译任务中,大型Transformer模型(表2中的Transformer(大))优于先前报告的最佳模型(包括集成的模型)超过2.0 BLEU,建立了一个新的最先进BLEU得分为28.4。 该模型的配置列于表3的底部。在8个P100 GPU的机器上,训练需要需要3.5天。 甚至我们的基础模型也超过了之前发布的所有模型和集成,而且只占培训成本的一小部分。

在WMT 2014英语-法语翻译任务中,我们的大型模型获得了41.0的BLEU分数,优于以前发布的所有单一模型,不到以前最先进技术培训成本的1/4 模型。 使用英语到法语训练的Transformer(大)模型使用dropout概率 Transformer注解及PyTorch实现(下) = 0.1,而不是0.3。

Image(filename="images/results.png")

Transformer注解及PyTorch实现(下)

我们在这里编写的代码是基本模型的一个版本。 这里有系统完整训练的版本 (Example Models[7]).

通过上一节中的附加扩展,OpenNMT-py复制在EN-DE WMT上达到26.9。 在这里,我已将这些参数加载到我们的重新实现中。

!wget https://s3.amazonaws.com/opennmt-models/en-de-model.pt
model, SRC, TGT = torch.load("en-de-model.pt")
model.eval()
sent = "▁The ▁log ▁file ▁can ▁be ▁sent ▁secret ly ▁with ▁email ▁or ▁FTP ▁to ▁a ▁specified ▁receiver".split()
src = torch.LongTensor([[SRC.stoi[w] for w in sent]])
src = Variable(src)
src_mask = (src != SRC.stoi["<blank>"]).unsqueeze(-2)
out = greedy_decode(model, src, src_mask,
                   max_len=60, start_symbol=TGT.stoi["<s>"])
print("Translation:", end="\t")
trans = "<s> "
for i in range(1, out.size(1)):
   sym = TGT.itos[out[0, i]]
   if sym == "</s>": break
   trans += sym + " "
print(trans)
Translation:    <s> ▁Die ▁Protokoll datei ▁kann ▁ heimlich ▁per ▁E - Mail ▁oder ▁FTP ▁an ▁einen ▁bestimmte n ▁Empfänger ▁gesendet ▁werden .

注意力可视化

即使使用贪婪的解码器,翻译看起来也不错。 我们可以进一步想象它,看看每一层注意力发生了什么。

tgt_sent = trans.split()
def draw(data, x, y, ax):
    seaborn.heatmap(data, 
                    xticklabels=x, square=True, yticklabels=y, vmin=0.0, vmax=1.0, 
                    cbar=False, ax=ax)
for layer in range(1, 6, 2):
    fig, axs = plt.subplots(1,4, figsize=(20, 10))
    print("Encoder Layer", layer+1)
    for h in range(4):
        draw(model.encoder.layers[layer].self_attn.attn[0, h].data, 
            sent, sent if h ==0 else [], ax=axs[h])
    plt.show()
for layer in range(1, 6, 2):
    fig, axs = plt.subplots(1,4, figsize=(20, 10))
    print("Decoder Self Layer", layer+1)
    for h in range(4):
        draw(model.decoder.layers[layer].self_attn.attn[0, h].data[:len(tgt_sent), :len(tgt_sent)], 
            tgt_sent, tgt_sent if h ==0 else [], ax=axs[h])
    plt.show()
    print("Decoder Src Layer", layer+1)
    fig, axs = plt.subplots(1,4, figsize=(20, 10))
    for h in range(4):
        draw(model.decoder.layers[layer].self_attn.attn[0, h].data[:len(tgt_sent), :len(sent)], 
            sent, tgt_sent if h ==0 else [], ax=axs[h])
    plt.show()
Encoder Layer 2

Transformer注解及PyTorch实现(下)

Encoder Layer 4

Transformer注解及PyTorch实现(下)

Encoder Layer 6

Transformer注解及PyTorch实现(下)

Decoder Self Layer 2

Transformer注解及PyTorch实现(下)

Decoder Src Layer 2

Transformer注解及PyTorch实现(下)

Decoder Self Layer 4

Transformer注解及PyTorch实现(下)

Decoder Src Layer 4

Transformer注解及PyTorch实现(下)

Decoder Self Layer 6

Transformer注解及PyTorch实现(下)

Decoder Src Layer 6

Transformer注解及PyTorch实现(下)

结论

希望这段代码对未来的研究很有用。 如果您有任何问题,请与我们联系。 如果您发现此代码有用,请查看我们的其他OpenNMT工具。

@inproceedings{opennmt,
 author    = {Guillaume Klein and
              Yoon Kim and
              Yuntian Deng and
              Jean Senellart and
              Alexander M. Rush},
 title     = {OpenNMT: Open-Source Toolkit for Neural Machine Translation},
 booktitle = {Proc. ACL},
 year      = {2017},
 url       = {https://doi.org/10.18653/v1/P17-4012},
 doi       = {10.18653/v1/P17-4012}
}
Cheers,srush

参考链接

[1] https://arxiv.org/abs/1412.6980

[2] https://arxiv.org/abs/1512.00567

[3] https://github.com/opennmt/opennmt-py

[4] https://github.com/rsennrich/subword-nmt

[5] https://arxiv.org/abs/1608.05859

[6] https://github.com/OpenNMT/OpenNMT-py/blob/master/onmt/translate/Beam.py

[7] http://opennmt.net/Models-py/


以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

架构即未来:现代企业可扩展的Web架构、流程和组织(原书第2版)

架构即未来:现代企业可扩展的Web架构、流程和组织(原书第2版)

Martin L. Abbott、Michael T. Fisher / 陈斌 / 机械工业出版社 / 2016-4-15 / 99.00

任何一个持续成长的公司最终都需要解决系统、组织和流程的扩展性问题。本书汇聚了作者从eBay、VISA、Salesforce.com到Apple超过30年的丰富经验, 全面阐释了经过验证的信息技术扩展方法,对所需要掌握的产品和服务的平滑扩展做了详尽的论述,并在第1版的基础上更新了扩展的策略、技术和案例。 针对技术和非技术的决策者,马丁•阿伯特和迈克尔•费舍尔详尽地介绍了影响扩展性的各个方面,包......一起来看看 《架构即未来:现代企业可扩展的Web架构、流程和组织(原书第2版)》 这本书的介绍吧!

URL 编码/解码
URL 编码/解码

URL 编码/解码

html转js在线工具
html转js在线工具

html转js在线工具

UNIX 时间戳转换
UNIX 时间戳转换

UNIX 时间戳转换