Нужен совет по реализации модели seq2seq

Question

Я реализую модель seq2seq для суммирования текста с использованием тензорного потока.Для кодера я использую двунаправленный слой RNN.слой кодирования:

    def encoding_layer(self, rnn_inputs, rnn_size, num_layers, keep_prob, 
                   source_vocab_size, 
                   encoding_embedding_size,
                   source_sequence_length,
                   emb_matrix):

    embed = tf.nn.embedding_lookup(emb_matrix, rnn_inputs)

    stacked_cells = tf.contrib.rnn.MultiRNNCell([tf.contrib.rnn.DropoutWrapper(tf.contrib.rnn.LSTMCell(rnn_size), keep_prob) for _ in range(num_layers)])

    outputs, state = tf.nn.bidirectional_dynamic_rnn(cell_fw=stacked_cells, 
                                                             cell_bw=stacked_cells, 
                                                             inputs=embed, 
                                                             sequence_length=source_sequence_length, 
                                                             dtype=tf.float32)

    concat_outputs = tf.concat(outputs, 2)

    return concat_outputs, state[0]

Для декодера я использую механизм внимания.Уровень декодирования:

    def decoding_layer_train(self, encoder_outputs, encoder_state, dec_cell, dec_embed_input, 
                         target_sequence_length, max_summary_length, 
                         output_layer, keep_prob, rnn_size, batch_size):
    """
    Create a training process in decoding layer 
    :return: BasicDecoderOutput containing training logits and sample_id
    """

    dec_cell = tf.contrib.rnn.DropoutWrapper(dec_cell, 
                                             output_keep_prob=keep_prob)


    train_helper = tf.contrib.seq2seq.TrainingHelper(dec_embed_input, target_sequence_length)

    attention_mechanism = tf.contrib.seq2seq.BahdanauAttention(rnn_size, encoder_outputs,
                                                               memory_sequence_length=target_sequence_length)

    attention_cell = tf.contrib.seq2seq.AttentionWrapper(dec_cell, attention_mechanism,
                                                         attention_layer_size=rnn_size/2)

    state = attention_cell.zero_state(dtype=tf.float32, batch_size=batch_size)
    state = state.clone(cell_state=encoder_state)

    decoder = tf.contrib.seq2seq.BasicDecoder(cell=attention_cell, helper=train_helper, 
                                              initial_state=state,
                                              output_layer=output_layer) 
    outputs, _, _ = tf.contrib.seq2seq.dynamic_decode(decoder, impute_finished=True, maximum_iterations=max_summary_length)

    return outputs

Теперь начальное состояние функции BasicDecoder ожидает состояние формы = (batch_size, rnn_size).Мой кодировщик выводит два состояния (вперед и назад) формы = (batch_size, rnn_size).

Чтобы это работало, я использую только одно состояние энкодера (прямое состояние).Итак, я хочу знать возможные способы использования как обратного кодирования, так и прямого кодирования уровня кодирования.Стоит ли добавлять как прямое, так и обратное состояния?

PS - декодер не использует двунаправленный слой.

Answer 1

Большинство вещей, о которых уже говорилось в предыдущих ответах.

Относительно вашего беспокойства «Должен ли я добавлять как прямое, так и обратное состояния?», По моему мнению, мы должны использовать оба состояния кодировщика.В противном случае мы не используем обученное состояние обратного кодера.Кроме того, "bidirectional_dynamic_rnn" должен иметь два разных уровня ячеек LSTM: один для состояния FW и другой для состояния BW.

Answer 2

Если вы хотите использовать только обратную кодировку:

# Get only the last cell state of the backward cell
(_, _), (_, cell_state_bw) = tf.nn.bidirectional_dynamic_rnn(...)
# Pass the cell_state_bw as the initial state of the decoder cell
decoder = tf.contrib.seq2seq.BasicDecoder(..., initial_state=cell_state_bw, ...) 

Что я предлагаю вам сделать:

# Get both last states
(_, _), (cell_state_fw, cell_state_bw) = tf.nn.bidirectional_dynamic_rnn(...)
# Concatenate the cell states together
cell_state_final = tf.concat([cell_state_fw.c, cell_state_bw.c], 1)
# Concatenate the hidden states together
hidden_state_final = tf.concat([cell_state_fw.h, cell_state_bw.h], 1)
# Create the actual final state
encoder_final_state = tf.nn.rnn_cell.LSTMStateTuple(c=cell_state_final, h=hidden_state_final)
# Now you can pass this as the initial state of the decoder

Однако, будьте осторожны, размер ячейки декодера должен бытьудвоенный размер ячейки кодера для второго подхода к работе.