PyTorch nn.Transformer учится копировать цель - PullRequest
Новая
       29

PyTorch nn.Transformer учится копировать цель

2 голосов
/ 06 мая 2020

Я пытаюсь обучить модель Transformer Seq2Seq, используя класс nn.Transformer. Я считаю, что реализую его неправильно, поскольку, когда я тренирую его, кажется, что он подходит слишком быстро, и во время вывода он часто повторяется. Это похоже на проблему с маскировкой в ​​декодере, и когда я удаляю целевую маску, производительность обучения остается прежней. Это наводит меня на мысль, что я неправильно маскирую цель. Вот мой код модели: 

class TransformerModel(nn.Module):
def __init__(self, vocab_size, input_dim, heads, feedforward_dim, encoder_layers, decoder_layers, sos_token, eos_token, pad_token, max_len=200, dropout=0.5, device=(torch.device("cuda") if torch.cuda.is_available() else torch.device("cpu"))):
    super(TransformerModel, self).__init__()
    self.target_mask = None
    self.embedding = nn.Embedding(vocab_size, input_dim, padding_idx=pad_token)
    self.pos_embedding = nn.Embedding(max_len, input_dim, padding_idx=pad_token)
    self.transformer = nn.Transformer(d_model=input_dim, nhead=heads, num_encoder_layers=encoder_layers, num_decoder_layers=decoder_layers, dim_feedforward=feedforward_dim, dropout=dropout)
    self.out = nn.Sequential(nn.Linear(input_dim, feedforward_dim), nn.ReLU(), nn.Linear(feedforward_dim, vocab_size))

    self.device = device
    self.max_len = max_len
    self.sos_token = sos_token
    self.eos_token = eos_token


def init_weights(self): # Initialize all weights to be uniformly distributed between -initrange and initrange
    initrange = 0.1
    self.encoder.weight.data.uniform_(-initrange, initrange)
    self.decoder.bias.data.zero_()
    self.decoder.weight.data.uniform_(-initrange, initrange)

def generate_square_subsequent_mask(self, size): # Generate mask covering the top right triangle of a matrix
    mask = (torch.triu(torch.ones(size, size)) == 1).transpose(0, 1)
    mask = mask.float().masked_fill(mask == 0, float('-inf')).masked_fill(mask == 1, float(0.0))
    return mask

def forward(self, src, tgt):
    # src: (Max source seq len, batch size, 1)
    # tgt: (Max target seq len, batch size, 1)

    # Embed source and target with normal and positional embeddings
    embedded_src = self.embedding(src) + self.pos_embedding(torch.arange(0, src.shape[1]).to(self.device).unsqueeze(0).repeat(src.shape[0], 1))
    # Generate target mask
    target_mask = self.generate_square_subsequent_mask(size=tgt.shape[0]).to(self.device) # Create target mask
    embedded_tgt = self.embedding(tgt) + self.pos_embedding(torch.arange(0, tgt.shape[1]).to(self.device).unsqueeze(0).repeat(tgt.shape[0], 1))
    # Feed through model
    outputs = self.transformer(src=embedded_src, tgt=embedded_tgt, tgt_mask=target_mask)
    outputs = F.log_softmax(self.out(outputs), dim=-1)
    return outputs
...