深度学习知识点总结
专栏链接:
深度学习知识点总结_Mr.小梅的博客-CSDN博客
本专栏主要总结深度学习中的知识点，从各大数据集比赛开始，介绍历年冠军算法；同时总结深度学习中重要的知识点，包括损失函数、优化器、各种经典算法、各种算法的优化策略Bag of Freebies (BoF)等。
本章介绍从RNN到Attention到Transformer系列-Decode-Encode(Seq2Seq)

目录
3.3 Encode-Decode(Seq2Seq)
3.3.1 Encode-Decode(Seq2Seq)介绍
【深度学习知识总结|从RNN到Attention到Transformer系列-Encode-Decode(Seq2Seq)介绍及代码实现】3.3.2 Encode
3.3.3 Decode
3.3.4 Seq2Seq
3.3.5 全部训练代码

3.3 Encode-Decode(Seq2Seq) 参考2014年论文《Sequence to Sequence Learning with Neural Networks》。
3.3.1 Encode-Decode(Seq2Seq)介绍
最常见的序列到序列（seq2seq）模型是编码器 - 解码器模型，它们通常使用递归神经网络（RNN）将源（输入）句子编码到单个向量中。在此次介绍中，我们将把这个单一的向量称为上下文向量。我们可以将上下文向量视为整个输入句子的抽象表示。然后，该向量由第二个RNN解码，该RNN通过一次生成一个单词来学习输出目标（输出）句子。

文章图片

上图显示了一个示例翻译。输入/源句子“guten morgen”通过嵌入层（黄色），然后输入到编码器（绿色）。我们还将序列的开头和序列的结尾标记分别附加到句子的开头和结尾。在每个时间步长中，编码器RNN的输入是当前单词的嵌入向量e(xt)，以及上一个时间步长中的隐藏状态ht-1，编码器 RNN 将输出新的隐藏状态ht .到目前为止，我们可以将隐藏状态视为句子的向量表示。RNN 可以被认为是e(xt) 和ht-1的函数:

文章图片

这里的RNN同样也可以使用LSTM(Long Short-Term Memory)和GRU(Gated Recurrent Unit)等。现在有了
文章图片
还有初始的隐藏状态h0一般默认为0，可以得到隐藏状态st：

文章图片

虽然输入/源嵌入层e和输出/目标嵌入层d，在图中均以黄色显示，它们是两个不同的嵌入层，具有自己的参数。
在解码器中，我们需要从隐藏状态转到实际单词，因此在每个时间步长中，我们使用st预测（通过一个线性层，以紫色显示）我们认为是序列中的下一个单词，y^t

文章图片

解码器中的单词总是一个接一个地生成，每个时间步长一个。我们总是使用解码器的第一个输入 ，但对于后续输入yt-1 ，有时会在序列中使用实际的下一个词yt，有时使用我们的解码器预测的单词，y^t?1 .这被称为教师强迫学习，在这里看到更多关于它的信息。[*意思就是，在训练时有概率的选择下次一定训练输入是真实训练数据，还是上次预测的结果]
在训练/测试我们的模型时，我们总是知道目标句子中有多少个单词，因此一旦我们命中了那么多单词，我们就会停止生成单词。在推理过程中，通常不断生成单词，直到模型输出或生成一定数量的单词之后。
一旦我们有了预测的目标句子，
文章图片
，我们将它与实际的目标句子进行比较，
文章图片
，来计算我们的损失。然后，我们使用此损失来更新模型中的所有参数。

3.3.2 Encode
构建一个双层的LSTM，输入句子X，编码后进入RNN第一层，使用隐藏状态
文章图片
，输出结果作为下一层的输入，用上标表示第几次，第一层隐藏状态由以下公式得出：

文章图片

第二层中的隐藏状态由下式给出：

文章图片

另外我们还需要一个初始隐藏状态作为每层的输入
文章图片
，我们还将输出每层的上下文向量
文章图片
。
对于LSTM，它不仅仅是采用隐藏状态并按时间步长返回新的隐藏状态，还接收并返回一个单元状态，ct，每个时间步长：

文章图片


我们可以把ct当做是另一种类型的隐藏状态，类似于
文章图片
，
文章图片
将被初始化为所有零的张量。此外，我们的上下文向量现在既是最终的隐藏状态，也是最终的单元格状态，即
文章图片
，将我们的多层方程扩展到 LSTM，我们得到：

文章图片

请注意，只有来自第一层的隐藏状态作为输入传递到第二层，而不是单元格状态。所以我们的编码器看起来像这样：


文章图片


使用PyTorch实现代码如下：

import torch import torch.nn as nnclass Encoder(nn.Module): def __init__(self, input_dim, emb_dim, hid_dim, n_layers, dropout): ''' :param input_dim: 将one-hot矢量输入到编码器的大小/维数,是输入（源）词汇大小 :param emb_dim: 嵌入层的维数。此图层将one-hot矢量转换为具有维度的密集矢量 :param hid_dim: 隐藏状态和单元格状态的维度 :param n_layers: RNN 中的层数 :param dropout: dropout防止过拟合 ''' super().__init__()self.hid_dim = hid_dim self.n_layers = n_layersself.embedding = nn.Embedding(input_dim, emb_dim)self.rnn = nn.LSTM(emb_dim, hid_dim, n_layers, dropout=dropout)self.dropout = nn.Dropout(dropout)def forward(self, src): # src = https://www.it610.com/article/[src len, batch size]embedded = self.dropout(self.embedding(src)) # embedded = [src len, batch size, emb dim]outputs, (hidden, cell) = self.rnn(embedded) # outputs = [src len, batch size, hid dim * n directions] # hidden = [n layers * n directions, batch size, hid dim] # cell = [n layers * n directions, batch size, hid dim]# outputs are always from the top hidden layerreturn hidden, cell

3.3.3 Decode
解码器中也使用2层的LSTM。

文章图片


每个时间步长输出单个令牌。第一层将接收来自上一个时间步长的隐藏和单元格状态
文章图片
，和当前词的token yt，以产生新的隐藏和单元格状态
文章图片
，，后续图层将使用下面图层中的隐藏状态
文章图片
以及其图层中的先前隐藏和单元格状态
文章图片
，解码器公式如下：

文章图片

解码器的初始隐藏和cell状态是我们的上下文向量，它们是来自同一层的编码器的最终隐藏和单元格状态，即
文章图片

然后，我们从RNN的顶层传递隐藏状态
文章图片
，通过线性层f，以预测目标（输出）序列中的下一个标记应该是什么
文章图片


文章图片

使用PyTorch实现代码如下：

class Decoder(nn.Module): def __init__(self, output_dim, emb_dim, hid_dim, n_layers, dropout): super().__init__()self.output_dim = output_dim self.hid_dim = hid_dim self.n_layers = n_layersself.embedding = nn.Embedding(output_dim, emb_dim)self.rnn = nn.LSTM(emb_dim, hid_dim, n_layers, dropout=dropout)self.fc_out = nn.Linear(hid_dim, output_dim)self.dropout = nn.Dropout(dropout)def forward(self, input, hidden, cell): # input = [batch size] # hidden = [n layers * n directions, batch size, hid dim] # cell = [n layers * n directions, batch size, hid dim]# n directions in the decoder will both always be 1, therefore: # hidden = [n layers, batch size, hid dim] # context = [n layers, batch size, hid dim]input = input.unsqueeze(0)# input = [1, batch size]embedded = self.dropout(self.embedding(input)) # embedded = [1, batch size, emb dim]output, (hidden, cell) = self.rnn(embedded, (hidden, cell))# output = [seq len, batch size, hid dim * n directions] # hidden = [n layers * n directions, batch size, hid dim] # cell = [n layers * n directions, batch size, hid dim]# seq len and n directions will always be 1 in the decoder, therefore: # output = [1, batch size, hid dim] # hidden = [n layers, batch size, hid dim] # cell = [n layers, batch size, hid dim]prediction = self.fc_out(output.squeeze(0)) # prediction = [batch size, output dim]return prediction, hidden, cell

3.3.4 Seq2Seq
对于实现的最后一部分，我们将实现 seq2seq 模型。这将处理：

• 接收输入/源句子
  
• 使用编码器生成上下文向量
  
• 使用解码器生成预测的输出/目标句子

• 我们的完整模型将如下所示：

文章图片


使用PyTorch实现代码如下：

class Seq2Seq(nn.Module): def __init__(self, encoder, decoder, device): super().__init__()self.encoder = encoder self.decoder = decoder self.device = device# 要确保编码器隐藏层维度和解码器隐藏层维度相等 assert encoder.hid_dim == decoder.hid_dim, \ "Hidden dimensions of encoder and decoder must be equal!" # 要确保编码器隐藏层层数和解码器相等 assert encoder.n_layers == decoder.n_layers, \ "Encoder and decoder must have equal number of layers!"def forward(self, src, trg, teacher_forcing_ratio=0.5): # src = https://www.it610.com/article/[src len, batch size] # trg = [trg len, batch size] # teacher_forcing_ratio is probability to use teacher forcing # e.g. if teacher_forcing_ratio is 0.75 we use ground-truth inputs 75% of the timebatch_size = trg.shape[1] trg_len = trg.shape[0] trg_vocab_size = self.decoder.output_dim# tensor to store decoder outputs outputs = torch.zeros(trg_len, batch_size, trg_vocab_size).to(self.device)# last hidden state of the encoder is used as the initial hidden state of the decoder hidden, cell = self.encoder(src)# first input to the decoder is thetokens input = trg[0, :]for t in range(1, trg_len): # insert input token embedding, previous hidden and previous cell states # receive output tensor (predictions) and new hidden and cell states output, hidden, cell = self.decoder(input, hidden, cell)# output.shape=[64, 5893]# place predictions in a tensor holding predictions for each token outputs[t] = output# decide if we are going to use teacher forcing or not teacher_force = random.random() < teacher_forcing_ratio# get the highest predicted token from our predictions top1 = output.argmax(1) # 取预测结果中最好的一个 top1.shape=[64]# if teacher forcing, use actual next token as next input # if not, use predicted token # 强制教学，就是使用真实gt去训练，否则就是使用预测结果去训练 input = trg[t] if teacher_force else top1return outputs

3.3.5 全部训练代码
见下载链接

推荐阅读

• 

  尼康3400值得入手吗 尼康340价格
• 

  中医四诊室 中医堂怎么样
• 

  运动励志币计划
• 

  打新冠加强针不满48小时核酸会阳性吗
• 

  河南赊刀人最新预言2021 赊刀人2021年10月前兑现
• 

  匆匆那些年
• 

  遇到博世冰箱显示横杠怎么办？3个处理方法帮助你
• 

  电脑hdmi接口没有反应解决方法
• 

  win10系统与安卓系统,安装手机驱动程序需要注意什么?
• 

  芥菜种植最佳时间和方法及注意事项图片 芥菜种植最佳时间和方法及注意事项
• 

  电饭煲内胆涂层有划痕还能用吗 电饭煲内胆涂层有划痕还能用吗视频
• 

  姓氏来源 姓氏来源查询表
• 

  甲状腺结节忌食哪些食物
• 

  店面部分转租没有经过房东同意转租犯法吗？
• 

  玉米秃尖怎么办 如何防治玉米秃尖
• 

  mla-tl10是什么型号mla-tl10型号是什么
• 

  老人失眠怎么办：6招还你好睡眠
• 

  md788zp/a是什么型号 md788zp/a的型号是什么
• 

  比亚迪f3水温正常不过沒有热风 17年比亚迪f3有时候水温高有时候不高
• 

  达尔文进化岛新手攻略,达尔文进化岛若何举行搭配

• 论文精读系列|【ResNet】ResNet论文学习笔记
• 深度学习|TextCNN和DPCNN
• 使用R进行时间序列分析
• R的基本编程技巧
• R中的自相关
• 将机器学习模型转换为Python中的API
• Python地理空间数据简介
• 下划线(_)在Python中的作用
• 在R中合并数据集