Python和TensorFlow2實作ELMO（Embedding From Language Model）模型，并對原始碼做了一些改進-有解無憂

一、ELMO模型簡介

1.1、模型概要

該模型主要是結合了字符卷積神經網路和雙向LSTM網路，其中字符卷積網路是生成背景關系無關的詞向量表示，接著將該字符卷積神經網路的輸出大小調整的LSTM需要的大小512（論文里面是這個），再利用LSTM結構提取背景關系相關的詞向量表示，

在這里我想要介紹下這個完整的模型，花了我很多時間，看了無數博客和文章以及近2000行的論文原始碼才把這個模型徹底搞清楚，啊哈哈哈，也不能說徹底吧，我自己的理解肯定是有限的，希望各位能批評指正，大家一起進步

1.2 、字符卷積模塊

卷積層的構成：

filters=[ [1, 32],[2, 32], [3, 64], [4, 128], [5, 256], [6, 512], [7, 512] ]

對這個filters二維串列里面的每個元素，比如[1,32]，將使用大小為[1,1,1,32]的卷積核大小對輸入大小為[batch_size,unroll_steps,max_word_len,char_vector_dim]的輸入資料進行卷積，卷積核的第二個位置均為1，因為我們不對時間步維度進行卷積，如果這樣，會造成單詞的數量減少，
再比如對于filters串列的第四個元素[4,128]，將生成一個大小為[1,1,4,128]的卷積核對輸入資料進行卷積，

最重要的一點是這些卷積層都是并行的，不是串聯，卷積層的輸入資料都是同樣的[batch_size,unroll_steps,max_word_len,char_vector_dim],不是將一層的卷積輸出作為下一層的卷積輸入，

對輸入資料使用不同的卷積層作用之后，接著進行最大池化，池化之后的輸出資料大小是[batch_size,unroll_steps,out_channel],這里的out_channel的取值就是上面的filters的32，32，64，128，256，512，512.因此不同的卷積和池化之后并行輸出為[batch_size,unroll_steps,32]，[batch_size,unroll_steps,32]，[batch_size,unroll_steps,64]，[batch_size,unroll_steps,128]，[batch_size,unroll_steps,256]，[batch_size,unroll_steps,512]，[batch_size,unroll_steps,512]大小的資料，

接著將這不同大小的資料在第二個維度進行拼接生成大小為[batch_size,unroll_steps,32+32+64+128+256+512+512]的資料，

1.3 highway net高速公路層

這個不做介紹啦，很簡單的，在網上看到說這個是殘差連接的推廣版，而且是比resnet優先發表的論文，但是效果好像沒有殘差連接效果好，具體我也沒有深究，別的大佬這樣說的，暫時先這樣接受吧，以后再看，

1.4 Projection Layer投影層

由上面可以看出，卷積池化輸出的資料大小為[batch_size,unroll_steps,1536],因為32+32+64+128+256+512+512=1536. 啊哈哈哈
那么就需要經過該層將資料大小調整為雙向LSTM要求的大小[batch_size,unroll_steps,512].我是就是使用了一個Dense層來直接調整的，

1.5 LSTM模型

不想做過多介紹看圖
雙向LSTM
該模型使用輸入預測下一個單詞，不如這句話：今天是國慶節和中秋節，我們可以使用“今天是國慶節”預測“天是國慶節和”，使用“天是國慶節和”預測“是國慶節和中”，使用“是國慶節和中”預測“國慶節和中秋”，

二、ELMO代碼(代碼我都加了注釋)

首先是資料處理模塊，沒有原始碼處理的那么復雜，也是結合一點我自己的理解吧，有錯誤歡迎指正，

2.1、創建py檔案ELMO_para.py

該檔案主要用來存盤模型的引數

import argparse

class Hpara():
    parser = argparse.ArgumentParser()#構建一個引數管理物件
    filters=[
            [1, 32],
            [2, 32],
            [3, 64],
            [4, 128],
            [5, 256],
            [6, 512],
            [7, 512]
        ]
    
    nums=0
    for i in range(len(filters)):
        nums+=filters[i][1]
    
    parser.add_argument('--datapath',default='./data/test.txt',type=str)   
    parser.add_argument('--filters',default=filters,type=list)
    parser.add_argument('--n_filters',default=nums,type=int)
    parser.add_argument('--n_highway_layers',default=2,type=int)
    parser.add_argument('--model_dim',default=512,type=int)
    parser.add_argument('--max_sen_len',default=8,type=int)
    parser.add_argument('--max_word_len',default=50,type=int)
    parser.add_argument('--char_embedding_len',default=16,type=int)
    parser.add_argument('--drop_rate',default=0.2,type=float)
    parser.add_argument('--learning_rate',default=0.02,type=float)
    parser.add_argument('--vocab_size',default=74,type=int)
    parser.add_argument('--batch_size',default=2,type=int)
    parser.add_argument('--char_nums',default=259,type=int)
    parser.add_argument('--epochs',default=1,type=int)

2.2 創建py檔案data_processing_modules.py

from tensorflow import keras 
import numpy as np

def Create_word_ids(datapath,sen_max_len,n):  #n是要控制回圈的次數，來生成訓練資料train_data和語言模型的標簽target
    '''
    Parameters
    ----------
    datapath : str
        存盤資料的路徑.
    sen_max_len : int
        訓練資料的長度.
    vocab_size: int
        詞典大小
    n: int
        復制多少次訓練資料

    Returns
    -------
    詞典,訓練資料,訓練資料對應的標簽target.
    '''

    f=open(datapath,'r',encoding='utf-8')
    lines=f.readlines()
    lines=[line.strip() for line in lines]#去除每行的換行符
    t = keras.preprocessing.text.Tokenizer()
    t.fit_on_texts(lines)
    word_index=t.word_index#生成字典
    l=len(word_index)
    #向字典里面添加特殊字符，這里只添加了一個特殊字符，因為我在資料集里面已經添加了句子的開始和結束特殊字符
    word_index['<unk>']=l+1
    
    
    whole_sens=' '.join(lines)
    whole_sens=whole_sens.split(' ')
    len_whole_sens=len(whole_sens)
    #構造訓練資料和標簽
    train_data=[]
    target=[]
    
    for i in range(len_whole_sens-sen_max_len):
        train_data.append(' '.join(whole_sens[i:i+sen_max_len]))
        target.append(' '.join(whole_sens[i+1:sen_max_len+i+1]))#將資料后移一位，構造標簽，這個模型使用一個文本，然后預測下一個單詞
        #比如 對于 ‘我今天吃了一個蘋果’  可以使用‘我今天’作為一個訓練資料，預測‘今天吃’，使用‘今天吃’預測‘天吃了’ 等等，上面這個回圈就實作了這個
        
    #下面將訓練資料復制n次
    train_data=train_data*n
    target=target*n
    
    #下面將句子都轉化為對應id的形式
    train_data=t.texts_to_sequences(train_data)
    target=t.texts_to_sequences(target)
    train_data=keras.preprocessing.sequence.pad_sequences(train_data,maxlen=sen_max_len,padding='post')
    target=keras.preprocessing.sequence.pad_sequences(target,maxlen=sen_max_len,padding='post')
    return word_index,train_data,target


#上面已經完成將word轉化為id的程式，接下面將單詞轉化為字符的utf-8編碼的id
def Create_char_id_embedding(word_index,max_word_length):
    '''
    
    Parameters
    ----------
    word_index : dict
        詞典，是單詞和id 的對應關系.
    max_word_length : int
        因為單詞的長度不一致，因而我們希望傳入一個整數，來控制單詞的長度.
    Returns
    -------
    一個二維矩陣，類似嵌入矩陣，可以將單詞轉化為對應的utf-8編碼.
    
    '''
    
    bow=256 #單詞的起始id  begin of word
    eow=257 #單詞的結束id  end of word
    padding=258 #將單詞轉化為utf-8（0-255）編碼的時候，不能使用0填充，因為0也是字符的ascii碼

    bos=259 #句子的開始id  begin of sentence
    eos=260 #句子的結束id  end of sentence
    
    dict_len=len(word_index)+1#字典里面單詞的個數
    word_embedding=np.ones([dict_len,max_word_length])*padding#都先初始化為填充的值
    #下面開始根據字典構造char_embedding矩陣
    for word,id in word_index.items():
        l=len(word)
        word=word.encode('utf-8','ignore')
        word_embedding[id][0]=bow
        for i in range(1,l+1):
            word_embedding[id][i]=word[i-1]
        word_embedding[id][l+1]=eow
        
    return word_embedding
       
def Create_char_Vector(dim):
    '''
    隨機生成一個每個字符的vector  比如 a--->[22,55,....],根據上面那個方法，這里其實是
    a對應的ascii碼97轉化為[22,55,....],輸入一個batch的句子，最終生成的資料是[batch_size,time_steps,max_word_len,max_char_vector_len]
    ,然后對這個四維資料進行卷積操作之后調整為LSTM需要資料維度大小[batch_size,time_steps,dim]
    

    Parameters
    ----------
    dim : int
        生成字符嵌入的維度.

    Returns
    -------
    一個大小為259*dim的矩陣.
    259是因為utf-8編碼有256位字符因為是8位2進制，再加上bow,eow和padding，所以總共259個
    這是我根據我自己理解弄的，可能和別的代碼不太一樣

    '''
    return np.random.normal(0,1,size=[259,dim])

2.3、創建py檔案Model_modules.py

import tensorflow as tf
from tensorflow.keras import layers

class Highway_layers(layers.Layer):
    '''
    構造ELMO模型里面的高速公路層
    filters': [
            [1, 32],
            [2, 32],
            [3, 64],
            [4, 128],
            [5, 256],
            [6, 512],
            [7, 512]
        ]
    
    '''
    def __init__(self,n_filters):
        super().__init__(self)
        self.carrygate_dense=layers.Dense(n_filters,activation='sigmoid')
        self.transform_gate_dense=layers.Dense(n_filters, activation='relu')
        
    def call(self,inputs):
        '''
        我看網上是這個是殘差連接的一般形式，但是卻沒有殘差連接有效
        '''
        carrygate=self.carrygate_dense(inputs)
        transformgate=self.transform_gate_dense(inputs)
        
        return carrygate*transformgate+(1.0-carrygate)*inputs
    
#下面是投影層
class ProjectionLayer(layers.Layer):
    '''
    將資料輸出為LSTM要求的大小，最終是[batch_size,time_steps,dim=512]
    '''
    
    def __init__(self,lstm_dim=512):
        super().__init__(self)
        self.dense=layers.Dense(lstm_dim,activation='relu')
        
    def call(self,inputs):
        return self.dense(inputs)
    
    
class All_Con_MP_Layers(layers.Layer):
    '''
    該類主要用來做卷積和最大池化操作，并且將七個卷積層經過池化后的輸出在最后一個維度拼接起來，最終的輸出的大小是
    [batchsize,time_steps,32+32+64+128+256+512+512]的矩陣，然后經過高速公路層和投影層，將矩陣的大小調整為LSTM的
    需求的大小，其實也就是為每個單詞生成了一個維度為512的嵌入表示，不過這個嵌入表示是背景關系無關的，然后輸入給雙向LSTM，
    生成背景關系相關的詞向量
    '''
    
    def __init__(self,filters):
        super().__init__(self)
        
        self.ConvLayers=[layers.Conv2D(num,kernel_size=[1,width]) for i,(width, num) in enumerate(filters)]
        self.MaxPoolLayers=[layers.MaxPool2D(pool_size=(1,50-width+1),strides=(1, 1), padding='valid') for i,(width,num) in enumerate(filters)]
        
    def call(self,inputs):
        conout=[conlayer(inputs) for conlayer in self.ConvLayers]
        mpout=[]
        for i in range(len(conout)):
            mpout.append(tf.squeeze(self.MaxPoolLayers[i](conout[i]),axis=2))#使用maxpooling作用并且在第三個維度也就是axis=2壓縮張量，經過池化之后的第二個維度的大小是1
            
        #下面在axis=2粘接張量
        out=mpout[0]
        for i in range(1,len(mpout)):
            out=tf.concat([out,mpout[i]], axis=2)
        return out


class LSTM_Layers(layers.Layer):
    '''
    該類主要用來實作雙向LSTM層，并且定義三個引數來將不同的LSTM層輸出的隱向量結合起來
    論文中的是直接定義了一個維度為3的隱含層權值，我覺得這樣是不合理的，我認為應該是權值應該是隨
    不同的句子而發生變化的，因而我這里這定義了一個Dense layer，激活函式使用softmax來輸出一個[batch_size,time_steps,3]
    這樣做的目的就是輸出的權值可以根據不同的句子發生變化，
    '''
    def __init__(self,dim,drop_rate,vocab_size):
        super().__init__(self)
        #下面定義所需要的LSTM層
        self.Lstm_fw_layers1=layers.LSTM(dim,return_sequences=True,go_backwards= False, dropout = drop_rate)
        self.Lstm_bw_layers1=layers.LSTM(dim,return_sequences=True,go_backwards= True, dropout = drop_rate)
        self.Lstm_fw_layers2=layers.LSTM(dim,return_sequences=True,go_backwards= False, dropout = drop_rate)
        self.Lstm_bw_layers2=layers.LSTM(dim,return_sequences=True,go_backwards= True, dropout = drop_rate)
        self.layers_weights=layers.Dense(3, activation='softmax')
        self.outlayer=layers.Dense(vocab_size+1,activation='softmax')
        
    def call(self,inputs):
        self.bilstm1=layers.Bidirectional(merge_mode = "sum", layer =self.Lstm_fw_layers1, backward_layer =self.Lstm_bw_layers1)
        self.bilstm2=layers.Bidirectional(merge_mode = "sum", layer =self.Lstm_fw_layers2, backward_layer =self.Lstm_bw_layers2)
        
        h1=self.bilstm1(inputs)
        h2=self.bilstm2(h1)
        
        #下面計算權重,在這里我選擇了將兩個隱層和一個輸入inputs相加在輸入進dense層來計算各層每個隱層和輸入的權重
        w=self.layers_weights(inputs+h1+h2)
        w=tf.expand_dims(w, axis=2)
        out=tf.concat([tf.expand_dims(inputs, axis=2),tf.expand_dims(h1, axis=2),tf.expand_dims(h2, axis=2)],axis=2)
        out=tf.squeeze(tf.matmul(w,out),axis=2) 
        
        out=self.outlayer(out)
        
        return out

2.4、創建py檔案ELMO_Model.py

import tensorflow as tf
from tensorflow.keras import layers
from Model_modules import Highway_layers,ProjectionLayer,All_Con_MP_Layers,LSTM_Layers

class ELMO(tf.keras.Model):
    def __init__(self,para,word_to_char_ids_matrix,char_ids_to_vector_matrix):
        '''
        該類來搭建完整的ELMO
        Parameters
        ----------
        para: 一個引數收納器，用來存盤下面的引數
        
        n_highway_layers : int
            進行多少次高速公路層.
        n_filters : int
            所有卷積輸出通道數加起來.
        model_dim : int
            輸入進LSTM的詞向量的維度大小.
        filters : 2d-list
            存盤卷積的核大小和輸出的通道數.
        drop_rate : float
            丟棄率.
        vocab_size : int
            字典大小.

        Returns
        -------
        [batch_size,max_sen_len,vocab_size+1]是預測的每個詞的概率.

        '''
        super().__init__(self)
        #將word轉化為字符編碼
        self.word_embedding=layers.Embedding(input_dim=para.vocab_size+1, output_dim=para.max_word_len, input_length=para.max_sen_len, weights=[word_to_char_ids_matrix],trainable=False)
        #下面這個嵌入矩陣是將字符id表示為嵌入向量，是可以訓練的，因為我是隨機初始化的
        self.char_embedding=layers.Embedding(input_dim=para.char_nums, output_dim=para.char_embedding_len, input_length=para.max_word_len,weights=[char_ids_to_vector_matrix],trainable=True)
        
        self.HighWayLayers=[Highway_layers(para.n_filters) for i in range(para.n_highway_layers)]
        self.Projection=ProjectionLayer(para.model_dim)
        self.con=All_Con_MP_Layers(para.filters)
        self.lstm=LSTM_Layers(para.model_dim,para.drop_rate,para.vocab_size)
        
    def call(self,inputs):
        
        out=self.word_embedding(inputs)
        out=self.char_embedding(out)
        out=self.con(out)
        for i in range(len(self.HighWayLayers)):
            out=self.HighWayLayers[i](out)
        out=self.Projection(out)
        out=self.lstm(out)
        
        return out

2.5、創建py檔案Train.py

from ELMO_para import Hpara
import numpy as np
hp=Hpara()
parser = hp.parser
para = parser.parse_args()
import tensorflow as tf

from data_processing_modules import Create_word_ids,Create_char_id_embedding,Create_char_Vector
from ELMO_Model import ELMO

def Create_whole_model_and_train(para):
    
    wordindex,traindata,target=Create_word_ids(para.datapath,para.max_sen_len,2)
    word_embedding=Create_char_id_embedding(wordindex,para.max_word_len)
    char_embedding=Create_char_Vector(para.char_embedding_len)
    model=ELMO(para,word_embedding,char_embedding) 
    optimizer = tf.keras.optimizers.Adam(0.01)#優化器adam
    loss_fn = tf.keras.losses.SparseCategoricalCrossentropy() #求損失的方法
    accuracy_metric = tf.keras.metrics.SparseCategoricalAccuracy(name='train_accuracy')#準確率指標
    
    def batch_iter(x, y, batch_size = 2):#這個函式可以好好看看，確實不錯的
        data_len = len(x)
        num_batch = (data_len + batch_size - 1) // batch_size#獲取的是
        indices = np.random.permutation(np.arange(data_len))#隨機打亂下標
        x_shuff = x[indices]
        y_shuff = y[indices]#打亂資料
  
        for i in range(num_batch):#按照batchsize取資料
            start_offset = i*batch_size #開始下標
            end_offset = min(start_offset + batch_size, data_len)#一個batch的結束下標
            yield i, num_batch, x_shuff[start_offset:end_offset], y_shuff[start_offset:end_offset]#yield是產生第i個batch，輸出總的batch數，以及每個batch的訓練資料和標簽
            
            
    def train_step(input_x, input_y):#訓練一步
    
        with tf.GradientTape() as tape:
            raw_prob = model(input_x)#輸出的是模型的預測值，呼叫了model類的call方法，輸入的每個標簽的概率，過了softmax函式
            #tf.print("raw_prob", raw_prob)
            pred_loss = loss_fn(input_y, raw_prob)#計算預測損失函式
      
        gradients = tape.gradient(pred_loss, model.trainable_variables)#對損失函式以及可以訓練的引數進行跟新
        optimizer.apply_gradients(zip(gradients, model.trainable_variables))#應用梯度，這里會可以更新的引數應用梯度，進行引數更新
        # Update the metrics
        accuracy_metric.update_state(input_y, raw_prob)#計算準確率
        return raw_prob
    for i in range(para.epochs):
         batch_train = batch_iter(traindata,target, batch_size = para.batch_size)
         accuracy_metric.reset_states()
         for batch_no, batch_tot, data_x, data_y in batch_train:#第幾個batch，總的batch，以及訓練資料和標簽
             predict_prob = train_step(data_x, data_y)  #對資料集分好batch之后，進行一部訓練
    
    
if __name__=='__main__':
    Create_whole_model_and_train(para)

上述代碼還有很多不完整之處，比如測驗，評估，模型保存與加載都沒寫，用的資料集也很小，我的電腦實在是扛不住，望大家理解，窮人不配深度學習，

三、改進之處

上面的代碼我已經對原始碼做了改進，我看原始碼里面是在將LSTM隱含層的加權輸出作為詞向量時，只是簡單設定了三個引數用來訓練，我認為這里應該權重是和不同的句子相關的，于是我將權重設定為inputs的函式，經過softmax輸出權值，這會隨不同的句子輸入而改變LSTM隱含層的權值大小，當然這個改進完全可能來自我對該模型的不熟悉之處，如果有大佬知道，十分歡迎批評指正，萬分感謝，

四、一個小疑問

在看很多文章的時候，看到很多人都在問，既然這個詞向量是動態的，比如apple的詞嵌入，在不同句子里面是不一樣的，那么，我將該模型用于下游任務時，該使用哪個詞嵌入呢？？
其實我覺得應該是這樣理解：當用于下游任務，一個單詞的嵌入表示是和你當前輸入的句子是有關的，句子的不同，會影響句法和語意的不同，這就會造成同一個單詞的嵌入表示不同，比如‘i want to eat an apple’和‘apple is reall delicious’這兩句話，語意和語法都不同，那么生成的apple的詞嵌入也是不一樣的，底層的LSTM會捕捉句法資訊，高層的LSTM會捕捉語意資訊，

五、參考文獻

https://arxiv.org/pdf/1802.05365.pdf
https://github.com/horizonheart/ELMO Elmo的注釋版本
https://arxiv.org/abs/1509.01626
https://github.com/horizonheart/ELMO
https://blog.csdn.net/liuchonge/article/details/70947995
https://www.zhihu.com/question/279426970/answer/614880515
https://zhuanlan.zhihu.com/p/51679783
https://blog.csdn.net/linchuhai/article/details/97170541
https://blog.csdn.net/jeryjeryjery/article/details/80839291
https://blog.csdn.net/jeryjeryjery/article/details/81183433
https://blog.csdn.net/weixin_44081621/article/details/86649821
https://jozeelin.github.io/2019/07/25/ELMo/
https://www.cnblogs.com/jiangxinyang/p/10235054.html

最后祝大家中秋節和國慶節快樂，也祝福天津大學125周年啦，有幸成為天大人，希望越來越好，大家也加油！！！！

完整代碼：鏈接：https://pan.baidu.com/s/1ZvSGtACrogyUtcRMCfXrig
提取碼：udif
復制這段內容后打開百度網盤手機App，操作更方便哦

轉載請註明出處，本文鏈接：https://www.uj5u.com/shujuku/152871.html

標籤：其他

上一篇：Rich feature hierarchies for accurate oject detection and semantic segmentation-RCNN詳細解讀

下一篇：云計算到底哪家強