网页游戏网站大全突袭,备案号查询系统,苏州网站建设哪家便宜,网页制作公司排名文章目录 循环神经网络的从零开始实现1. 独热编码2. 初始化模型参数3. 循环神经网络模型4. 预测5. 梯度裁剪6. 训练 循环神经网络的从零开始实现
从头开始基于循环神经网络实现字符级语言模型。
# 读取数据集
%matplotlib inline
import math
import torchfrom torch import … 文章目录 循环神经网络的从零开始实现1. 独热编码2. 初始化模型参数3. 循环神经网络模型4. 预测5. 梯度裁剪6. 训练 循环神经网络的从零开始实现
从头开始基于循环神经网络实现字符级语言模型。
# 读取数据集
%matplotlib inline
import math
import torchfrom torch import nn
from torch.nn import functional as F
from d2l import torch as d2lbatch_size, num_steps 32, 35
train_iter, vocab d2l.load_data_time_machine(batch_size, num_steps)1. 独热编码
每个词元都有一个对应的索引表示为特征向量即每个索引映射为相互不同的单位向量。 词元表不同词元个数为N词元索引范围为0到N-1。词元的索引为整数那么将创建一个长度为N的全0向量并将第i处元素设置为1。则此向量是原始词元的一个独热编码。 假如有2个词元cat和dog cat对应[1, 0]dog对应[0, 1] 索引为0和2的独热向量
# 索引为0和2的独热向量
F.one_hot(torch.tensor([0, 2]), len(vocab))采样的小批量数据形状为二维张量批量大小时间步数,one_hot函数将其转换为三维张量时间步数批量大小词表大小
# 采样的小批量数据形状为二维张量批量大小时间步数
# one_hot函数将其转换为三维张量时间步数批量大小词表大小
# 方便我们通过最外层维度一步一步更新小批量数据的隐状态
X torch.arange(10).reshape((2, 5))
print(F.one_hot(X.T, 28).shape)
# 显示第一行
F.one_hot(X.T, 28)[0,:,:]2. 初始化模型参数
隐藏单元数num_hiddens是一个可调的超参数
训练语言模型时输入和输出来自相同的词表具有相同的维度即词表大小 初始化模型参数1、隐藏层参数2、输出层参数3、附加梯度# 词表大小隐藏层数设备
def get_params(vocab_size, num_hiddens, device):num_inputs num_outputs vocab_size# 定义函数normal()初始化模型的参数def normal(shape):return torch.randn(sizeshape, devicedevice) * 0.01# 隐藏层参数W_xh normal((num_inputs, num_hiddens))W_hh normal((num_hiddens, num_hiddens))b_h torch.zeros(num_hiddens, devicedevice)# 输出层参数W_hq normal((num_hiddens, num_outputs))b_q torch.zeros(num_outputs, devicedevice)# 附加梯度params [W_xh, W_hh, b_h, W_hq, b_q]for param in params:param.requires_grad_(True)return params3. 循环神经网络模型
定义init_rnn_state函数在初始化时返回隐状态该函数的返回是一个张量张量全用0填充形状为批量大小隐藏单元数。
# 定义init_rnn_state函数在初始化时返回隐状态
# 该函数的返回是一个张量张量全用0填充形状为批量大小隐藏单元数
def init_rnn_state(batch_size, num_hiddens, device):return (torch.zeros((batch_size, num_hiddens), devicedevice), )循环神经网络通过最外层的维度实现循环以便时间步更新小批量数据的隐状态H
# 循环神经网络通过最外层的维度实现循环以便时间步更新小批量数据的隐状态H
def rnn(inputs, state, params):# inputs的形状时间步数量批量大小词表大小W_xh, W_hh, b_h, W_hq, b_q paramsH, stateoutputs []# X的形状批量大小词表大小for X in inputs:# 激活函数tanh更新隐状态HH torch.tanh(torch.mm(X, W_xh) torch.mm(H, W_hh) b_h)Y torch.mm(H, W_hq) b_qoutputs.append(Y)return torch.cat(outputs, dim0), (H,)创建一个类来包装这些函数 并存储从零开始实现的循环神经网络模型的参数 从零开始实现的循环神经网络模型
1、定义网络模型的参数
2、对词表进行独热编码
3、初始化模型参数并返回隐状态class RNNModelScratch: #save从零开始实现的循环神经网络模型# 定义类的初始化将传入的参数赋值给对象的属性以便后续使用def __init__(self, vocab_size, num_hiddens, device,get_params, init_state, forward_fn):self.vocab_size, self.num_hiddens vocab_size, num_hiddensself.params get_params(vocab_size, num_hiddens, device)self.init_state, self.forward_fn init_state, forward_fndef __call__(self, X, state):# 对输入进行独热编码返回状态及参数X F.one_hot(X.T, self.vocab_size).type(torch.float32)return self.forward_fn(X, state, self.params)def begin_state(self, batch_size, device):# 初始化参数return self.init_state(batch_size, self.num_hiddens, device)检查输出是否具有正确的形状。 例如隐状态的维数是否保持不变。
num_hiddens 512
# 网络模型
net RNNModelScratch(len(vocab), num_hiddens, d2l.try_gpu(), get_params,init_rnn_state, rnn)
# 获得网络初始状态
state net.begin_state(X.shape[0], d2l.try_gpu())
# 将X移到GPU上并且返回输出Y和状态
Y, new_state net(X.to(d2l.try_gpu()), state)
Y.shape, len(new_state), new_state[0].shape可以看到输出形状是时间步数x批量大小词表大小 而隐状态形状保持不变即批量大小隐藏单元数。
4. 预测
定义预测函数 定义预测函数
1、prefix是用户提供的字符串
2、循环遍历prefix的开始字符时不输出不断将隐状态传递给下一个时间步
3、在此期间模型进行自我更新隐状态不进行预测
4、2和3步骤称为预热期预热期过后隐状态的值更适合预测从而预测字符并输出。# prefix前缀字符串
def predict_ch8(prefix, num_preds, net, vocab, device): #save在prefix后面生成新字符state net.begin_state(batch_size1, devicedevice)outputs [vocab[prefix[0]]]# 匿名函数改变输出的形状get_input lambda: torch.tensor([outputs[-1]], devicedevice).reshape((1, 1))# 预热期不进行输出for y in prefix[1:]: # 预热期_, state net(get_input(), state)outputs.append(vocab[y])# 预热期过了之后进行预测for _ in range(num_preds): # 预测num_preds步y, state net(get_input(), state)outputs.append(int(y.argmax(dim1).reshape(1)))return .join([vocab.idx_to_token[i] for i in outputs])测试predict_ch8函数。 我们将前缀指定为time traveller 并基于这个前缀生成10个后续字符
# 测试predict_ch8函数。 我们将前缀指定为time traveller 并基于这个前缀生成10个后续字符。
# 未训练模型输出预测结果没有联系
predict_ch8(time traveller , 10, net, vocab, d2l.try_gpu())5. 梯度裁剪
为什么要梯度裁剪 1、对于长度为T的序列我们在迭代中计算T个时间步上的梯度在反向传播过程中产生长度为T的矩阵乘法链 2、T较大时会导致数值不稳定例如梯度消失或者梯度爆炸。
一个流行的替代方案是通过将梯度g投影回给定半径 例如θ的球来裁剪梯度g。
def grad_clipping(net, theta): #save裁剪梯度if isinstance(net, nn.Module):# 附加梯度的参数params [p for p in net.parameters() if p.requires_grad]else:# 梯度的范数对应图里作为分母的||g||params net.paramsnorm torch.sqrt(sum(torch.sum((p.grad ** 2)) for p in params))# 如果梯度过大将其限制到θif norm theta:for param in params:param.grad[:] * theta / norm6. 训练
在一个迭代周期内训练模型 1、序列数据的不同采样方法随机采样和顺序分区将导致状态初始化的差异 2、在更新模型参数之前裁剪梯度这样可以保证训练过程中如果某点发生梯度爆炸模型也不会发散 3、用困惑度评价模型使得不同长度的序列也有了可比性。
顺序分区只在每个迭代周期的开始位置初始化隐状态。随机抽样每个样本都是在一个随机位置抽样的因此需要在每个迭代周期重新初始化隐状态。
#save训练网络一个迭代周期
1、初始化状态将数据传到GPU上
2、计算损失进行梯度裁剪并更新模型参数def train_epoch_ch8(net, train_iter, loss, updater, device, use_random_iter):训练网络一个迭代周期定义见第8章# 状态时间state, timer None, d2l.Timer()metric d2l.Accumulator(2) # 训练损失之和,词元数量for X, Y in train_iter:if state is None or use_random_iter:# 在第一次迭代或使用随机抽样时初始化statestate net.begin_state(batch_sizeX.shape[0], devicedevice)else:if isinstance(net, nn.Module) and not isinstance(state, tuple):# state对于nn.GRU是个张量# detach_()将张量从计算图中分离出来不会影响到原始张量state.detach_()else:# state对于nn.LSTM或对于我们从零开始实现的模型是个张量for s in state:s.detach_()# 将Y 进行转置并展平成一维向量y Y.T.reshape(-1)# 将Xy移动到设备上并且输入到模型中X, y X.to(device), y.to(device)y_hat, state net(X, state)l loss(y_hat, y.long()).mean()# 如果更新器 updater 是 torch.optim.Optimizer 类型则调用 updater.step() 方法进行参数更新# 否则调用 updater(batch_size1) 进行参数更新。if isinstance(updater, torch.optim.Optimizer):updater.zero_grad() # 梯度置零l.backward() # 反向传播知道如何调整参数以最小化损失函数grad_clipping(net, 1) # 梯度裁剪updater.step() # 使用优化器来更新参数else:l.backward()grad_clipping(net, 1)# 因为已经调用了mean函数updater(batch_size1)# y.numel()计算y中元素数量metric.add(l * y.numel(), y.numel())# 使用指数损失函数计算累积平均困惑度 math.exp(metric[0] / metric[1]) 和训练速度 metric[1] / timer.stop()。return math.exp(metric[0] / metric[1]), metric[1] / timer.stop() updater.zero_grad(): 这一行代码将模型参数的梯度置零以便在每次迭代中计算新的梯度。l.backward(): 这一行代码使用反向传播算法计算损失函数对模型参数的梯度。通过计算梯度我们可以知道如何调整模型参数以最小化损失函数。grad_clipping(net, 1): 这一行代码对模型的梯度进行裁剪以防止梯度爆炸的问题。梯度爆炸可能会导致训练不稳定裁剪梯度可以限制梯度的范围。updater.step(): 这一行代码使用优化器如SGD、Adam等来更新模型的参数。优化器根据计算得到的梯度和预定义的学习率来更新模型参数以使模型更好地拟合训练数据。 循环神经网络的训练函数也支持高级API实现
# 循环神经网络的训练函数也支持高级API实现
#save
def train_ch8(net, train_iter, vocab, lr, num_epochs, device,use_random_iterFalse):训练模型定义见第8章loss nn.CrossEntropyLoss()# 动画窗口窗口显示一个图例图例名称为 trainx 轴的范围从 10 到 num_epochsanimator d2l.Animator(xlabelepoch, ylabelperplexity,legend[train], xlim[10, num_epochs])# 初始化if isinstance(net, nn.Module):updater torch.optim.SGD(net.parameters(), lr)else:updater lambda batch_size: d2l.sgd(net.params, lr, batch_size)predict lambda prefix: predict_ch8(prefix, 50, net, vocab, device)# 训练和预测for epoch in range(num_epochs):ppl, speed train_epoch_ch8(net, train_iter, loss, updater, device, use_random_iter)# 每10个epoch对输入字符串进行预测并将预测结果添加到动画中if (epoch 1) % 10 0:print(predict(time traveller))animator.add(epoch 1, [ppl])print(f困惑度 {ppl:.1f}, {speed:.1f} 词元/秒 {str(device)})print(predict(time traveller))print(predict(traveller))在数据集中只使用了10000个词元 所以模型需要更多的迭代周期来更好地收敛
# 在数据集中只使用了10000个词元 所以模型需要更多的迭代周期来更好地收敛
num_epochs, lr 500, 1
train_ch8(net, train_iter, vocab, lr, num_epochs, d2l.try_gpu())检查一下随机抽样方法的结果
# 检查一下随机抽样方法的结果
net RNNModelScratch(len(vocab), num_hiddens, d2l.try_gpu(), get_params,init_rnn_state, rnn)
train_ch8(net, train_iter, vocab, lr, num_epochs, d2l.try_gpu(),use_random_iterTrue)
