8.6 Краткая реализация рекуррентных нейронных сетей
Хотя раздел 8.5 полезен для понимания того, как устроены рекуррентные нейронные сети, его реализация неудобна. В этом разделе мы покажем, как с помощью функций высокоуровневого API фреймворка глубокого обучения реализовать ту же языковую модель эффективнее. Начнём, как и раньше, с чтения набора данных «Машина времени».
MXNet:
from d2l import mxnet as d2l
from mxnet import np, npx
from mxnet.gluon import nn, rnn
npx.set_np()
batch_size, num_steps = 32, 35
train_iter, vocab = d2l.load_data_time_machine(batch_size, num_steps)
PyTorch:
from d2l import torch as d2l
import torch
from torch import nn
from torch.nn import functional as F
batch_size, num_steps = 32, 35
train_iter, vocab = d2l.load_data_time_machine(batch_size, num_steps)
TensorFlow:
from d2l import tensorflow as d2l
import tensorflow as tf
batch_size, num_steps = 32, 35
train_iter, vocab = d2l.load_data_time_machine(batch_size, num_steps)
PaddlePaddle:
from d2l import paddle as d2l
import warnings
warnings.filterwarnings("ignore")
import paddle
from paddle import nn
from paddle.nn import functional as F
batch_size, num_steps = 32, 35
train_iter, vocab = d2l.load_data_time_machine(batch_size, num_steps)
8.6.1 Определение модели
Высокоуровневый API предоставляет реализацию рекуррентных нейронных сетей.
Мы создадим рекуррентный слой rnn_layer с одним скрытым слоем из 256 скрытых элементов.
Многослойные рекуррентные сети мы пока не обсуждали (они будут рассмотрены в разделе 9.3).
Сейчас достаточно понимать многослойность так: выход одного рекуррентного слоя используется как вход следующего.
MXNet:
num_hiddens = 256
rnn_layer = rnn.RNN(num_hiddens)
rnn_layer.initialize()
PyTorch:
num_hiddens = 256
rnn_layer = nn.RNN(len(vocab), num_hiddens)
TensorFlow:
num_hiddens = 256
rnn_cell = tf.keras.layers.SimpleRNNCell(num_hiddens,
kernel_initializer='glorot_uniform')
rnn_layer = tf.keras.layers.RNN(rnn_cell, time_major=True,
return_sequences=True, return_state=True)
PaddlePaddle:
num_hiddens = 256
rnn_layer = nn.SimpleRNN(len(vocab), num_hiddens, time_major=True)
MXNet: инициализировать скрытое состояние просто: достаточно вызвать метод begin_state.
Функция возвращает список (state), в котором для каждого примера минибатча содержится начальное скрытое состояние.
Его форма — (число скрытых слоёв, размер батча, число скрытых элементов).
Для некоторых моделей, которые мы рассмотрим позже (например, для долгой краткосрочной памяти, LSTM), этот список содержит и другую информацию.
PyTorch: скрытое состояние задаём тензором формы (число скрытых слоёв, размер батча, число скрытых элементов).
MXNet:
state = rnn_layer.begin_state(batch_size=batch_size)
len(state), state[0].shape
PyTorch:
state = torch.zeros((1, batch_size, num_hiddens))
state.shape
TensorFlow:
state = rnn_cell.get_initial_state(batch_size=batch_size, dtype=tf.float32)
state.shape
PaddlePaddle:
state = paddle.zeros(shape=[1, batch_size, num_hiddens])
state.shape
Имея скрытое состояние и вход, мы можем с помощью обновлённого скрытого состояния вычислить выход.
Важно подчеркнуть, что «выход» rnn_layer (Y) не включает вычислений выходного слоя: это скрытые состояния на каждом временном шаге, которые можно подать на вход последующего выходного слоя.
MXNet: обновлённое скрытое состояние state_new, которое возвращает rnn_layer, — это скрытое состояние последнего временного шага минибатча.
Его можно использовать для инициализации скрытого состояния следующего минибатча в пределах одной эпохи при последовательном разбиении.
Если скрытых слоёв несколько, скрытое состояние каждого слоя хранится в переменной state_new.
Для некоторых моделей, которые мы рассмотрим позже (например, для LSTM), эта переменная содержит и другую информацию.
MXNet:
X = np.random.uniform(size=(num_steps, batch_size, len(vocab)))
Y, state_new = rnn_layer(X, state)
Y.shape, len(state_new), state_new[0].shape
PyTorch:
X = torch.rand(size=(num_steps, batch_size, len(vocab)))
Y, state_new = rnn_layer(X, state)
Y.shape, state_new.shape
TensorFlow:
X = tf.random.uniform((num_steps, batch_size, len(vocab)))
Y, state_new = rnn_layer(X, state)
Y.shape, len(state_new), state_new[0].shape
PaddlePaddle:
X = paddle.rand(shape=[num_steps, batch_size, len(vocab)])
Y, state_new = rnn_layer(X, state)
Y.shape, state_new.shape
Как и в разделе 8.5, определим класс RNNModel для полной модели рекуррентной нейронной сети.
Обратите внимание, что rnn_layer содержит только скрытый рекуррентный слой; выходной слой нужно создать отдельно.
MXNet:
#@save
class RNNModel(nn.Block):
"""Модель рекуррентной нейронной сети"""
def __init__(self, rnn_layer, vocab_size, **kwargs):
super(RNNModel, self).__init__(**kwargs)
self.rnn = rnn_layer
self.vocab_size = vocab_size
self.dense = nn.Dense(vocab_size)
def forward(self, inputs, state):
X = npx.one_hot(inputs.T, self.vocab_size)
Y, state = self.rnn(X, state)
# Полносвязный слой сначала меняет форму Y на (число временных шагов * размер батча, число скрытых элементов)
# Его выход имеет форму (число временных шагов * размер батча, размер словаря)
output = self.dense(Y.reshape(-1, Y.shape[-1]))
return output, state
def begin_state(self, *args, **kwargs):
return self.rnn.begin_state(*args, **kwargs)
PyTorch:
#@save
class RNNModel(nn.Module):
"""Модель рекуррентной нейронной сети"""
def __init__(self, rnn_layer, vocab_size, **kwargs):
super(RNNModel, self).__init__(**kwargs)
self.rnn = rnn_layer
self.vocab_size = vocab_size
self.num_hiddens = self.rnn.hidden_size
# Если RNN двунаправленная (об этом будет сказано позже), num_directions равно 2, иначе 1
if not self.rnn.bidirectional:
self.num_directions = 1
self.linear = nn.Linear(self.num_hiddens, self.vocab_size)
else:
self.num_directions = 2
self.linear = nn.Linear(self.num_hiddens * 2, self.vocab_size)
def forward(self, inputs, state):
X = F.one_hot(inputs.T.long(), self.vocab_size)
X = X.to(torch.float32)
Y, state = self.rnn(X, state)
# Полносвязный слой сначала меняет форму Y на (число временных шагов * размер батча, число скрытых элементов)
# Его выход имеет форму (число временных шагов * размер батча, размер словаря)
output = self.linear(Y.reshape((-1, Y.shape[-1])))
return output, state
def begin_state(self, device, batch_size=1):
if not isinstance(self.rnn, nn.LSTM):
# nn.GRU использует тензор в качестве скрытого состояния
return torch.zeros((self.num_directions * self.rnn.num_layers,
batch_size, self.num_hiddens),
device=device)
else:
# nn.LSTM использует кортеж в качестве скрытого состояния
return (torch.zeros((
self.num_directions * self.rnn.num_layers,
batch_size, self.num_hiddens), device=device),
torch.zeros((
self.num_directions * self.rnn.num_layers,
batch_size, self.num_hiddens), device=device))
TensorFlow:
#@save
class RNNModel(tf.keras.layers.Layer):
def __init__(self, rnn_layer, vocab_size, **kwargs):
super(RNNModel, self).__init__(**kwargs)
self.rnn = rnn_layer
self.vocab_size = vocab_size
self.dense = tf.keras.layers.Dense(vocab_size)
def call(self, inputs, state):
X = tf.one_hot(tf.transpose(inputs), self.vocab_size)
# rnn возвращает больше двух значений
Y, *state = self.rnn(X, state)
output = self.dense(tf.reshape(Y, (-1, Y.shape[-1])))
return output, state
def begin_state(self, *args, **kwargs):
return self.rnn.cell.get_initial_state(*args, **kwargs)
PaddlePaddle:
#@save
class RNNModel(nn.Layer):
"""Модель рекуррентной нейронной сети"""
def __init__(self, rnn_layer, vocab_size, **kwargs):
super(RNNModel, self).__init__(**kwargs)
self.rnn = rnn_layer
self.vocab_size = vocab_size
self.num_hiddens = self.rnn.hidden_size
# Если RNN двунаправленная (об этом будет сказано позже), num_directions равно 2, иначе 1
if self.rnn.num_directions==1:
self.num_directions = 1
self.linear = nn.Linear(self.num_hiddens, self.vocab_size)
else:
self.num_directions = 2
self.linear = nn.Linear(self.num_hiddens * 2, self.vocab_size)
def forward(self, inputs, state):
X = F.one_hot(inputs.T, self.vocab_size)
Y, state = self.rnn(X, state)
# Полносвязный слой сначала меняет форму Y на (число временных шагов * размер батча, число скрытых элементов)
# Его выход имеет форму (число временных шагов * размер батча, размер словаря)
output = self.linear(Y.reshape((-1, Y.shape[-1])))
return output, state
def begin_state(self, batch_size=1):
if not isinstance(self.rnn, nn.LSTM):
# nn.GRU использует тензор в качестве скрытого состояния
return paddle.zeros(shape=[self.num_directions * self.rnn.num_layers,
batch_size, self.num_hiddens])
else:
# nn.LSTM использует кортеж в качестве скрытого состояния
return (paddle.zeros(
shape=[self.num_directions * self.rnn.num_layers,
batch_size, self.num_hiddens]),
paddle.zeros(
shape=[self.num_directions * self.rnn.num_layers,
batch_size, self.num_hiddens]))
8.6.2 Обучение и предсказание
Прежде чем обучать модель, сделаем предсказание с помощью модели со случайными весами.
MXNet:
device = d2l.try_gpu()
net = RNNModel(rnn_layer, len(vocab))
net.initialize(force_reinit=True, ctx=device)
d2l.predict_ch8('time traveller', 10, net, vocab, device)
PyTorch:
device = d2l.try_gpu()
net = RNNModel(rnn_layer, vocab_size=len(vocab))
net = net.to(device)
d2l.predict_ch8('time traveller', 10, net, vocab, device)
TensorFlow:
device_name = d2l.try_gpu()._device_name
strategy = tf.distribute.OneDeviceStrategy(device_name)
with strategy.scope():
net = RNNModel(rnn_layer, vocab_size=len(vocab))
d2l.predict_ch8('time traveller', 10, net, vocab)
PaddlePaddle:
device = d2l.try_gpu()
net = RNNModel(rnn_layer, vocab_size=len(vocab))
d2l.predict_ch8('time traveller', 10, net, vocab, device)
Очевидно, что такая модель не выдаёт хороших результатов.
Далее мы вызываем train_ch8 с гиперпараметрами, определёнными в разделе 8.5, и обучаем модель с помощью высокоуровневого API.
MXNet, PyTorch:
num_epochs, lr = 500, 1
d2l.train_ch8(net, train_iter, vocab, lr, num_epochs, device)
TensorFlow:
num_epochs, lr = 500, 1
d2l.train_ch8(net, train_iter, vocab, lr, num_epochs, strategy)
PaddlePaddle:
num_epochs, lr = 500, 1.0
d2l.train_ch8(net, train_iter, vocab, lr, num_epochs, device)
По сравнению с предыдущим разделом модель благодаря более оптимизированному коду высокоуровневого API фреймворка за меньшее время достигает более низкой перплексии.
Резюме
- Высокоуровневый API фреймворков глубокого обучения предоставляет реализацию слоя рекуррентной нейронной сети.
- Рекуррентный слой высокоуровневого API возвращает выход и обновлённое скрытое состояние, а выходной слой всей модели нужно вычислить отдельно.
- По сравнению с рекуррентной нейронной сетью, реализованной с нуля, реализация с помощью высокоуровневого API ускоряет обучение.
Упражнения
- Попробуйте с помощью высокоуровневого API добиться переобучения модели рекуррентной нейронной сети. Получится ли?
- Что произойдёт, если увеличить число скрытых слоёв в модели рекуррентной нейронной сети? Будет ли модель работать корректно?
- Попробуйте с помощью рекуррентной нейронной сети реализовать авторегрессионную модель из раздела 8.1.
MXNet: Обсуждение
PyTorch: Обсуждение
TensorFlow: Обсуждение
PaddlePaddle: Обсуждение