深度学习与Pytorch入门实战（十三）RNN

笔记摘抄

1. 词嵌入

nn.Embedding(num_embeddings, embedding_dim, padding_idx=None, 
             max_norm=None, norm_type=2.0, scale_grad_by_freq=False, 
             sparse=False, _weight=None)

• 其为一个简单的 存储固定大小的词典 的 嵌入向量的查找表

  • 意思是说，给一个编号，嵌入层就能 返回这个编号对应的嵌入向量（嵌入向量反映了各个编号代表的符号之间的语义关系）

• 输入：一个编号列表，输出：对应的 符号嵌入向量列表。

• num_embeddings(int)：词典的大小尺寸，比如总共出现5000个词，那就输入5000。此时index为（0-4999）;

• embedding_dim(int)： 嵌入向量的维度，即用多少维来表示一个符号;

• padding_idx(int,可选)：比如，输入长度为100，但是每次的句子长度并不一样，后面就需要用统一的数字填充，而这里就是指定这个数字;

• max_norm(float,可选)：最大范数，如果嵌入向量的范数超过了这个界限，就要进行再归一化;

• norm_type (float, 可选)：指定利用什么范数计算，并用于对比max_norm，默认为2范数;

• scale_grad_by_freq (boolean, 可选)：根据单词在mini-batch中出现的频率，对梯度进行放缩，默认为False;

• sparse (bool, 可选)：若为True，则 与权重矩阵相关的梯度 转变为稀疏张量;

import torch
from torch import nn

# 给单词编索引号
word_to_idx = {'hello':0, 'world':1}                                      
# 得到目标单词索引
lookup_tensor = torch.tensor([word_to_idx['hello']], dtype=torch.long)    

embeds = nn.Embedding(num_embeddings=2, embedding_dim=5)
# 传入单词的index，返回对应的嵌入向量
hello_embed = embeds(lookup_tensor)               
print(hello_embed)

tensor([[ 0.3951,  0.6753,  0.2209, -2.4807, -0.6213]],
       grad_fn=<EmbeddingBackward>)

Tip：

• 上面nn.Embedding的那张表是没有初始化的，得到的嵌入向量是随机生成的

• 初始化一般采用现成的编码方式，把 word2vec 或者 GloVe 下载下来，数据内容填充进表。

下面直接使用GloVe方式进行查表操作（提前pip install pytorch-nlp）

from torchnlp.word_to_vector import GloVe

# 下载太漫长
vectors = GloVe()
print(vectors('hello'))

2. nn.RNN

RNN详解

• nn.RNN的数据处理如下图所示。

• 每次向网络中输入batch个样本，每个时刻处理的是该时刻的batch个样本，因此 (x_t) ​是shape为[batch,feature_len]的Tensor。

  • 例如，输入3句话，每句话10个单词（T_x），每个单词用100维的向量表示，那么seq_len=10，batch=3，feature_len=100。

• 隐藏记忆单元h 的shape是二维的[batch,hidden_len]，其中hidden_len是一个可以自定的超参数

  • 例如，可以取为20，表示每个样本用20长度的向量记录。

Tip：x相当于seq_len个(x_t)

2.1 nn.RNN参数

nn.RNN(input_size, hidden_size, num_layers=1, 
       nonlinearity=tanh, bias=True, batch_first=False, 
       dropout=0, bidirectional=False)

参数：

• input_size：输入特征的维度

  • 一般rnn中输入的是词向量，那么 input_size 就等于 一个词向量的维度，即feature_len;

• hidden_size：隐藏层神经元个数

  • 即，输出的维度（因为rnn输出为各个时间步上的隐藏状态）;

• num_layers：网络的层数;

• nonlinearity：激活函数;

• bias：是否使用偏置;

• batch_first：输入数据的形式，默认是 False，就是这样形式，(seq(num_step), batch, input_dim)

  • 即，将序列长度放在第一位，batch 放在第二位;

• dropout：是否应用dropout, 默认不使用，如若使用将其设置成一个0-1的数字即可;

• birdirectional：是否使用双向的 rnn，默认是 False;

from torch import nn

# 词向量维度100维，输出维度10
rnn = nn.RNN(100, 10)                
print(rnn._parameters.keys())        
# odict_keys(['weight_ih_l0', 'weight_hh_l0', 'bias_ih_l0', 'bias_hh_l0'])

# W_hh: W_aa, W_ih: W_xa
print(rnn.weight_hh_l0.shape, rnn.weight_ih_l0.shape)         
# torch.Size([10, 10]) torch.Size([10, 100])

# batch size: 10
print(rnn.bias_hh_l0.shape, rnn.bias_ih_l0.shape)             
# torch.Size([10]) torch.Size([10])

Tip：

• bias只取hidden_len，等到作加法时会广播到所有的batch上。

2.2 forward前向传播

out, ht = forward(x, h0)

• x：[seq_len, batch, feature_len] 它是一次性将所有时刻特征喂入的，不需要每次喂入当前时刻的(x_t);

• h0/ht：[num_layers, batch, hidden_len] h0是第一个时间戳所有层的记忆单元的Tensor（理解成每一层中每个句子的隐藏输出）(h0:a0, ht: at);

• out：[seq_len, batch, hidden_len] out是 每一个时刻上 空间上最后一层的输出(相当于 (hat{y^{<t>}}))

# 5层RNN
import torch
from torch import nn

# (词向量维度)feature_len=100, (神经元数)hidden_len=20, 网络层数=5
rnn = nn.RNN(input_size=100, hidden_size=20, num_layers=5)                

# 单词数量(seq_len=10),句子数量(batch=3),每个特征100维度(feature_len=100)
x = torch.randn(10, 3, 100)             

# 传入RNN处理, 另外传入h_0, shape是<网络层数=5, batch=3, (神经元数)hidden_len=20>
# forward
out, h = rnn(x, torch.zeros(5, 3, 20))  

print(out.shape)                        # torch.Size([10, 3, 20])
print(h.shape)                          # at: torch.Size([5, 3, 20])

2.3 使用nn.RNN构建多层循环网络

• 相比2.1处的代码，只要改变层数即可。

from torch import nn

# 词向量维度100维，输出维度20，层数为2
rnn = nn.RNN(100, 20, 2)             
print(rnn._parameters.keys())        
# odict_keys(['weight_ih_l0', 'weight_hh_l0', 
# 'bias_ih_l0', 'bias_hh_l0', 'weight_ih_l1', 
# 'weight_hh_l1', 'bias_ih_l1', 'bias_hh_l1'])

print(rnn.weight_hh_l0.shape, rnn.weight_ih_l0.shape)         
# torch.Size([20, 20]) torch.Size([20, 100])

print(rnn.weight_hh_l1.shape, rnn.weight_ih_l1.shape)         
# torch.Size([20, 20]) torch.Size([20, 20]) 这里输入不是100，是20

Tip：

• 从 (l_1) 层开始接受的输入都是下面层的输出，即接受的输入特征数不再是feature_len而是hidden_len

• 即，这里参数 weight_ih_l1 的shape是：[hidden_len,hidden_len]

out, ht=forward(x, h0)

import torch
from torch import nn

# feature_len=100, hidden_len=20, 层数=4
rnn = nn.RNN(100, 20, 4)                

# 单词数量(seq_len=10),句子数量(batch=3),每个特征100维度(feature_len=100)
x = torch.randn(10, 3, 100)             

# 传入RNN处理, 另外传入h_0, shape是<层数, batch, hidden_len=20>
out, h = rnn(x, torch.zeros(4, 3, 20))  

print(out.shape)                    # torch.Size([10, 3, 20])
print(h.shape)                      # torch.Size([4, 3, 20])

3. nn.RNNCell

• nn.RNN是一次性将 所有时刻 特征喂入的

• nn.RNNCell将序列上的 每个时刻 分开来处理。

• 举例：如果要处理3个句子，每个句子10个单词，每个单词用100维的嵌入向量表示

  • nn.RNN传入的Tensor的shape是[10,3,100]

  • nn.RNNCell传入的Tensor的shape是[3,100]，将此计算单元运行10次。

3.1 nn.RNNCell()

初始化方法和上面一样。

3.2 ht = forward(xt, ht-1)

• (x_t)：[batch, feature_len]表示当前时刻的输入;

• (h_{t-1})：[num layers, batch, hidden_len]前一个时刻的单元输出，(h_t)是下一时刻的单元输入;

• out： out相当于 (hat{y^{<t>}})

多层RNN类似下图：

import torch
from torch import nn

# 单层RNN, feature_len=100, hidden_len=20
cell1 = nn.RNNCell(100, 20)  
h1 = torch.zeros(3, 20)
x = torch.randn(10, 3, 100)
for xt in x:                  # xt.shape=[3, 100]
    h1 = cell1(xt, h1)
print(h1.shape)                # torch.Size([3, 20])


# 多层RNN
cell1 = nn.RNNCell(100, 30)
cell2 = nn.RNNCell(30, 20)

h1 = torch.zeros(3, 30)
h2 = torch.zeros(3, 20)
x = torch.randn(10, 3, 100)
for xt in x:
    h1 = cell1(xt, h1)
    h2 = cell2(h1, h2)
    
print(h1.shape)                     # torch.Size([3, 30])
print(h2.shape)                     # torch.Size([3, 20])