[[189448]]

以下為漫談，即瞎聊，利用通俗的語言來談?wù)勆窠?jīng)網(wǎng)絡(luò)模型中4種序列解碼模型，主要是從整體概念和思路上進(jìn)行通俗解釋幫助理解。預(yù)警，以下可能為了偷懶就不貼公式了，一些細(xì)節(jié)也被略過了，感興趣的可以直接去閱讀原文[1][2][3]。

[1] Sequence to Sequence Learning with Neural Networks

[2] Learning Phrase Representations using RNN Encoder–Decoder for Statistical Machine Translation

[3] Neural Machine Translation by Jointly Learning to Align and Translate

利用神經(jīng)網(wǎng)絡(luò)進(jìn)行序列編碼的模型主要為RNN，目前比較火的一些變種模型有LSTM和GRU，只是cell單元不同而已。以下統(tǒng)統(tǒng)用RNN來代表。

編碼模型比較簡單，如下圖所示，輸入文本{X1-X6}經(jīng)過循環(huán)迭代編碼，在每個(gè)時(shí)刻得到當(dāng)前時(shí)刻的一個(gè)隱層狀態(tài)，最后序列結(jié)束后進(jìn)行特征融合得到句子的表示。注意，一種比較常用的方式是將編碼模型最后一個(gè)時(shí)刻的隱層狀態(tài)做為整個(gè)序列的編碼表示，但是實(shí)際應(yīng)用中這種效果并不太好，因而我們的圖例中直接采用了整個(gè)序列隱層編碼進(jìn)行求和平均的方式得到序列的編碼向量。

早期的一些任務(wù)主要是做一些主題分類、情感檢測(cè)等等分類任務(wù)，那么在編碼向量上面添加一個(gè)softmax就可以解決問題。但是對(duì)于機(jī)器翻譯和語音識(shí)別等問題則需要進(jìn)行序列化解碼。

注意到，編碼時(shí)RNN每個(gè)時(shí)刻除了自己上一時(shí)刻的隱層狀態(tài)編碼外，還有當(dāng)前時(shí)刻的輸入字符，而解碼時(shí)則沒有這種輸入。那么，一種比較直接的方式是把編碼端得到的編碼向量做為解碼模型的每時(shí)刻輸入特征。如下圖所示：

簡單直觀而且解碼模型和編碼模型并沒有任何區(qū)別，然而學(xué)者感覺該模型并不優(yōu)雅，那么接下來我們就來介紹一些精巧點(diǎn)的吧。

我們用考試作弊來做為一個(gè)通俗的例子來解釋一下模型。

首先我們假設(shè)輸入文本是所學(xué)課本，編碼端則是對(duì)課本的理解所整理的課堂筆記。解碼端的隱層神經(jīng)網(wǎng)絡(luò)則是我們的大腦，而每一時(shí)刻的輸出則是考試時(shí)要寫在卷子上的答案。在上面最簡單的解碼模型中，可以考慮成是考試時(shí)一邊寫答案一邊翻看課堂筆記。如果這是一般作弊學(xué)生的做法，學(xué)霸則不需要翻書，他們有一個(gè)強(qiáng)大的大腦神經(jīng)網(wǎng)絡(luò)，可以記住自己的課堂筆記。解碼時(shí)只需要回顧一下自己前面寫過什么，然后依次認(rèn)真的把答案寫在答卷上，就是下面這種模型了[1]：

還有很多學(xué)弱，他們不只需要作弊，而且翻看筆記的時(shí)候還需要回顧自己上一時(shí)刻寫在答卷上的答案(學(xué)弱嘛，簡直弱到連自己上一時(shí)刻寫在答卷上的文字都記不住了)，就是下面的答題模式了[2]：

然而學(xué)渣渣也是存在的，他們不只需要作弊，不只需要回顧自己上一時(shí)刻卸載答卷上的答案，還需要老師在課本上畫出重點(diǎn)才能整理出自己的課題筆記(這就是一種注意力機(jī)制Attention，記筆記的時(shí)候一定要根據(jù)考題畫出重點(diǎn)啊!)，真的很照顧渣渣了，他們的答題模式如下[3]：

可見，除了學(xué)霸以外，其他人都作弊了，在答題的時(shí)候翻看課堂筆記(很多文獻(xiàn)中叫這種解碼模型結(jié)構(gòu)為peek(偷看)，是不是很像在作弊?)，而且學(xué)渣渣還去找過老師給畫過重點(diǎn)，有了清楚的重點(diǎn)之后就不用翻書偷看了，瞄一眼就可以了，文獻(xiàn)中叫g(shù)limpse(一瞥)，是不是很像?

如果我們將他們的大腦網(wǎng)絡(luò)設(shè)定為同樣結(jié)構(gòu)的話(將他們的IQ強(qiáng)制保持一致)，肯定是作弊的同學(xué)得分最高了，學(xué)霸模式好吃虧啊。我們來簡單做一個(gè)模型測(cè)試。

測(cè)試數(shù)據(jù)：

輸入序列文本 = [‘1 2 3 4 5’

, ‘6 7 8 9 10′

, ’11 12 13 14 15′

, ’16 17 18 19 20′

, ’21 22 23 24 25’]

目標(biāo)序列文本 = [‘one two three four five’

, ‘six seven eight nine ten’

, ‘eleven twelve thirteen fourteen fifteen’

, ‘sixteen seventeen eighteen nineteen twenty’

, ‘twenty_one twenty_two twenty_three twenty_four twenty_five’]

設(shè)定一些參數(shù)如下：

–

(‘Vocab size:’, 51, ‘unique words’)

(‘Input max length:’, 5, ‘words’)

(‘Target max length:’, 5, ‘words’)

(‘Dimension of hidden vectors:’, 20)

(‘Number of training stories:’, 5)

(‘Number of test stories:’, 5)

–

觀察訓(xùn)練過程：

其中，第一種解碼模型為 普通作弊，第二種解碼模型為 學(xué)霸模式，第三種解碼模型為 學(xué)弱作弊，第四種解碼模型為 學(xué)渣作弊。

可以看到在IQ值(解碼模型的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu))相同的情況下，學(xué)渣作弊模式答題(訓(xùn)練收斂速度)更快，而學(xué)霸模式答題最慢。

文章[1]中已經(jīng)提到過，想通過學(xué)霸模式達(dá)到一個(gè)好的性能需要模型隱層有4000個(gè)節(jié)點(diǎn)(學(xué)霸的IQ果然是高的，有一顆強(qiáng)大的大腦網(wǎng)絡(luò))。

可以想想，在課本內(nèi)容很多很多時(shí)，學(xué)霸也會(huì)累的，而且學(xué)弱們你們確定課上能聽懂嗎?學(xué)渣就會(huì)笑啦，因而老師給他們畫重點(diǎn)了!!!!

本博文中測(cè)試的示例代碼見【Github地址】：

# -*- encoding:utf-8 -*-    
“”" 
    測(cè)試Encoder-Decoder 2016/03/22   
“”"   
from keras.models import Sequential    
from keras.layers.recurrent import LSTM    
from keras.layers.embeddings import Embedding    
from keras.layers.core import RepeatVector, TimeDistributedDense, Activation    
from seq2seq.layers.decoders import LSTMDecoder, LSTMDecoder2, AttentionDecoder    
import time   
import numpy as np    
import re   
  
__author__ = ’http://jacoxu.com’    
  
  
def pad_sequences(sequences, maxlen=None, dtype=’int32′,    
                  padding=’pre’, truncating=’pre’, value=0.):    
    ”’Pads each sequence to the same length: 
    the length of the longest sequence.   
  
    If maxlen is provided, any sequence longer   
    than maxlen is truncated to maxlen.   
    Truncation happens off either the beginning (default) or   
    the end of the sequence.   
  
    Supports post-padding and pre-padding (default).   
  
    # Arguments   
        sequences: list of lists where each element is a sequence   
        maxlen: int, maximum length   
        dtype: type to cast the resulting sequence.   
        padding: ’pre’ or ’post’, pad either before or after each sequence.   
        truncating: ’pre’ or ’post’, remove values from sequences larger than   
            maxlen either in the beginning or in the end of the sequence   
        value: float, value to pad the sequences to the desired value.   
  
    # Returns   
        x: numpy array with dimensions (number_of_sequences, maxlen)   
    ”’   
    lengths = [len(s) for s in sequences]    
  
    nb_samples = len(sequences)    
    if maxlen is None:    
        maxlen = np.max(lengths)    
  
    # take the sample shape from the first non empty sequence    
    # checking for consistency in the main loop below.    
    sample_shape = tuple()    
    for s in sequences:    
        if len(s) > 0:    
            sample_shape = np.asarray(s).shape[1:]    
            break   
  
    x = (np.ones((nb_samples, maxlen)   sample_shape) * value).astype(dtype)    
    for idx, s in enumerate(sequences):    
        if len(s) == 0:    
            continue  # empty list was found    
        if truncating == ’pre’:    
            trunc = s[-maxlen:]    
        elif truncating == ’post’:    
            trunc = s[:maxlen]    
        else:    
            raise ValueError(‘Truncating type ”%s” not understood’ % truncating)    
  
        # check `trunc` has expected shape    
        trunc = np.asarray(trunc, dtype=dtype)    
        if trunc.shape[1:] != sample_shape:    
            raise ValueError(‘Shape of sample %s of sequence at position %s is different from expected shape %s’ %    
                             (trunc.shape[1:], idx, sample_shape))    
  
        if padding == ’post’:    
            x[idx, :len(trunc)] = trunc    
        elif padding == ’pre’:    
            x[idx, -len(trunc):] = trunc    
        else:    
            raise ValueError(‘Padding type ”%s” not understood’ % padding)    
    return x    
  
  
def vectorize_stories(input_list, tar_list, word_idx, input_maxlen, tar_maxlen, vocab_size):    
    x_set = []    
    Y = np.zeros((len(tar_list), tar_maxlen, vocab_size), dtype=np.bool)    
    for _sent in input_list:    
        x = [word_idx[w] for w in _sent]    
        x_set.append(x)    
    for s_index, tar_tmp in enumerate(tar_list):    
        for t_index, token in enumerate(tar_tmp):    
            Y[s_index, t_index, word_idx[token]] = 1    
  
    return pad_sequences(x_set, maxlen=input_maxlen), Y    
  
  
def tokenize(sent):    
    ”’Return the tokens of a sentence including punctuation. 
  
    >>> tokenize(‘Bob dropped the apple. Where is the apple?’)   
    ['Bob', 'dropped', 'the', 'apple', '.', 'Where', 'is', 'the', 'apple', '?']   
    ”’   
    return [x.strip() for x in re.split('(\W )?', sent) if x.strip()]    
  
  
def main():    
    input_text = ['1 2 3 4 5'    
                  , '6 7 8 9 10'    
                  , '11 12 13 14 15'    
                  , '16 17 18 19 20'    
                  , '21 22 23 24 25']    
    tar_text = ['one two three four five'    
                , 'six seven eight nine ten'    
                , 'eleven twelve thirteen fourteen fifteen'    
                , 'sixteen seventeen eighteen nineteen twenty'    
                , 'twenty_one twenty_two twenty_three twenty_four twenty_five']    
  
    input_list = []    
    tar_list = []    
  
    for tmp_input in input_text:    
        input_list.append(tokenize(tmp_input))    
    for tmp_tar in tar_text:    
        tar_list.append(tokenize(tmp_tar))    
  
    vocab = sorted(reduce(lambda x, y: x | y, (set(tmp_list) for tmp_list in input_list   tar_list)))    
    # Reserve 0 for masking via pad_sequences    
    vocab_size = len(vocab)   1  # keras進(jìn)行embedding的時(shí)候必須進(jìn)行l(wèi)en(vocab) 1    
    input_maxlen = max(map(len, (x for x in input_list)))    
    tar_maxlen = max(map(len, (x for x in tar_list)))    
    output_dim = vocab_size    
    hidden_dim = 20    
  
    print(‘-’)    
    print(‘Vocab size:’, vocab_size, ’unique words’)    
    print(‘Input max length:’, input_maxlen, ’words’)    
    print(‘Target max length:’, tar_maxlen, ’words’)    
    print(‘Dimension of hidden vectors:’, hidden_dim)    
    print(‘Number of training stories:’, len(input_list))    
    print(‘Number of test stories:’, len(input_list))    
    print(‘-’)    
    print(‘Vectorizing the word sequences…’)    
    word_to_idx = dict((c, i   1) for i, c in enumerate(vocab))  # 編碼時(shí)需要將字符映射成數(shù)字index    
    idx_to_word = dict((i   1, c) for i, c in enumerate(vocab))  # 解碼時(shí)需要將數(shù)字index映射成字符    
    inputs_train, tars_train = vectorize_stories(input_list, tar_list, word_to_idx, input_maxlen, tar_maxlen, vocab_size)    
  
    decoder_mode = 1  # 0 最簡單模式，1 [1]向后模式，2 [2] Peek模式，3 [3]Attention模式    
    if decoder_mode == 3:    
        encoder_top_layer = LSTM(hidden_dim, return_sequences=True)    
    else:    
        encoder_top_layer = LSTM(hidden_dim)    
  
    if decoder_mode == 0:    
        decoder_top_layer = LSTM(hidden_dim, return_sequences=True)    
        decoder_top_layer.get_weights()    
    elif decoder_mode == 1:    
        decoder_top_layer = LSTMDecoder(hidden_dim=hidden_dim, output_dim=hidden_dim    
                                        , output_length=tar_maxlen, state_input=False, return_sequences=True)    
    elif decoder_mode == 2:    
        decoder_top_layer = LSTMDecoder2(hidden_dim=hidden_dim, output_dim=hidden_dim    
                                         , output_length=tar_maxlen, state_input=False, return_sequences=True)    
    elif decoder_mode == 3:    
        decoder_top_layer = AttentionDecoder(hidden_dim=hidden_dim, output_dim=hidden_dim    
                                             , output_length=tar_maxlen, state_input=False, return_sequences=True)    
  
    en_de_model = Sequential()    
    en_de_model.add(Embedding(input_dim=vocab_size,    
                              output_dim=hidden_dim,    
                              input_length=input_maxlen))    
    en_de_model.add(encoder_top_layer)    
    if decoder_mode == 0:    
        en_de_model.add(RepeatVector(tar_maxlen))    
    en_de_model.add(decoder_top_layer)    
  
    en_de_model.add(TimeDistributedDense(output_dim))    
    en_de_model.add(Activation(‘softmax’))    
    print(‘Compiling…’)    
    time_start = time.time()    
    en_de_model.compile(loss=’categorical_crossentropy’, optimizer=’rmsprop’)    
    time_end = time.time()    
    print(‘Compiled, cost time:%fsecond!’ % (time_end - time_start))    
    for iter_num in range(5000):    
        en_de_model.fit(inputs_train, tars_train, batch_size=3, nb_epoch=1, show_accuracy=True)    
        out_predicts = en_de_model.predict(inputs_train)    
        for i_idx, out_predict in enumerate(out_predicts):    
            predict_sequence = []    
            for predict_vector in out_predict:    
                next_index = np.argmax(predict_vector)    
                next_token = idx_to_word[next_index]    
                predict_sequence.append(next_token)    
            print(‘Target output:’, tar_text[i_idx])    
            print(‘Predict output:’, predict_sequence)    
  
        print(‘Current iter_num is:%d’ % iter_num)    
  
if __name__ == ’__main__‘:    
    main()