NLP - Transformer模型

2020-07-26 本文已影响0人 nlpming

1. 简介

Transformer模型由Google提出，发表在NIPS 2017会议上。是一种完全基于注意力机制的模型，摒弃了RNN和CNN结构。并且很容易并行，训练速度较快，在WMT14 英语- 德语、英语 - 法语翻译任务上获得了SOTA的效果。

RNN缺点： 很难并行化，每一个时刻的输出，需要依赖上一个时刻的结果；
CNN优缺点： 很容易实现并行化；想要获取更多的上下文信息，需要叠多层卷积网络；

image.png

2. 模型结构

Transformer模型由 Encoder 和 Decoder 组成，并且分别堆叠了N层；注意：输入经过N层 Encoder 之后输入到每一层 Decoder 计算Attention；
Encoder 包括两个子层：（1）Self-Attention子层；（2）FNN子层；
Decoder 包括三个子层：（1）Mask Self-Attention子层；（2）Self-Attention子层；（3）FNN子层；
每个子层后面，都加上了 残差连接（residual connection） 和 层正则化（layer normalization），则最终的输出为：LayerNorm(x + Sublayer(x))

transformer模型结构.png

2.1 Self Attention

Transformer在RNN模型的基础上进行改进，使得计算每一个输出，可以并行；

使用Self-Attention优势.png

2.1.1 Scaled dot-product attention

Attention机制的本质是：给定一个query，和一系列<key, value>对，需要计算得到一个输出得分；注意：query, key, value都是向量；query, key维数为 $d_k$ ，value的维数为 $d_v$ ；
Scaled dot-product attention计算公式如下：
$Attention(Q, K, V) = softmax(\frac{QK^T}{\sqrt{d_k}}) V$
上式中 $Q, K, V$ 是矩阵；

注意：除以 $\sqrt{d_k}$ ，是为了防止 $d_k$ 变化很大的时候，最终 $qk^T$ 的计算结果变化较大；

例子：计算 $x_1$ 和其他词的Attention，得到输出 $b^1$

1. 每个输入，计算得到 $q, k, v$
image.png
2. $q, k$ 做内积
image.png
3. 计算softmax值，得到注意力权重
image.png
4. 注意力权重和 $v$ ，加权平均得到Attention输出
image.png

得到输出 $b^1, b^2, b^3, b^4$ ，可并行计算：

image.png

2.1.2 Mask说明

Decoder第一个子层使用了Mask self-attention子层：主要是为了防止标签泄露，即在 $t$ 时刻不能看到 $t$ 时刻之后的信息；因为在infer阶段，只能看到已经生成的序列；
一般使用一个上三角矩阵实现：即在计算softmax之前，将 $qk^T$ 的计算结果赋值为 $-inf$ ，这样经过softmax之后计算得到的注意力权重趋于0；
image.png
image.png

2.2 Multi-Head Attention

每一个头都是一个Scaled dot-product attention的计算；
最终多个头的输出concat在一起，再经过一个linear层得到 Multi-Head Attention 输出；

image.png

2.3 Positional Encoding

transformer模型完全基于注意力机制，没有考虑序列顺序信息，因此引入的positional encoding；
在得到每个词的Embedding之后，与位置编码向量相加；并且每个词的位置编码向量是固定的；
位置编码向量，具体计算公式如下：
$PE(pos, 2i) = sin(pos/10000^{2i/d_{model}}) \\ PE(pos, 2i+1) = cos(pos/10000^{2i/d_{model}})$
上式中， $d_{model}$ 代表词向量维度； $pos$ 代表单词的位置， $i$ 代表第几维；

image.png

参考资料

Transformer 原始论文《Attention is all you need》
https://arxiv.org/abs/1706.03762
Transformer，台湾大学 - 李宏毅
视频：https://www.youtube.com/watch?v=ugWDIIOHtPA&list=PLJV_el3uVTsOK_ZK5L0Iv_EQoL1JefRL4&index=58
PPT：http://speech.ee.ntu.edu.tw/~tlkagk/courses/ML_2019/Lecture/Transformer%20(v5).pdf
NLP中的Mask全解
https://mp.weixin.qq.com/s/0hUNG6tC-hlfyTJtuzwU5w
The Illustrated Transformer
http://jalammar.github.io/illustrated-transformer/
代码实现：https://github.com/harvardnlp/annotated-transformer

NLP - Transformer模型

1. 简介