Потеря не уменьшается во время тренировки (Word2Vec, Gensim) - PullRequest
Новая
       30

Потеря не уменьшается во время тренировки (Word2Vec, Gensim)

0 голосов
/ 27 августа 2018

Что может вызвать потери от увеличения model.get_latest_training_loss() в каждую эпоху?

Код, используемый для обучения: 

class EpochSaver(CallbackAny2Vec):
    '''Callback to save model after each epoch and show training parameters '''

    def __init__(self, savedir):
        self.savedir = savedir
        self.epoch = 0

        os.makedirs(self.savedir, exist_ok=True)

    def on_epoch_end(self, model):
        savepath = os.path.join(self.savedir, "model_neg{}_epoch.gz".format(self.epoch))
        model.save(savepath)
        print(
            "Epoch saved: {}".format(self.epoch + 1),
            "Start next epoch ... ", sep="\n"
            )
        if os.path.isfile(os.path.join(self.savedir, "model_neg{}_epoch.gz".format(self.epoch - 1))):
            print("Previous model deleted ")
            os.remove(os.path.join(self.savedir, "model_neg{}_epoch.gz".format(self.epoch - 1))) 
        self.epoch += 1
        print("Model loss:", model.get_latest_training_loss())

    def train():

        ### Initialize model ###
        print("Start training Word2Vec model")

        workers = multiprocessing.cpu_count()/2

        model = Word2Vec(
            DocIter(),
            size=300, alpha=0.03, min_alpha=0.00025, iter=20,
            min_count=10, hs=0, negative=10, workers=workers,
            window=10, callbacks=[EpochSaver("./checkpoints")], 
            compute_loss=True
    )

Выход:

Убытки от эпох (1 до 20): 

Model loss: 745896.8125
Model loss: 1403872.0
Model loss: 2022238.875
Model loss: 2552509.0
Model loss: 3065454.0
Model loss: 3549122.0
Model loss: 4096209.75
Model loss: 4615430.0
Model loss: 5103492.5
Model loss: 5570137.5
Model loss: 5955891.0
Model loss: 6395258.0
Model loss: 6845765.0
Model loss: 7260698.5
Model loss: 7712688.0
Model loss: 8144109.5
Model loss: 8542560.0
Model loss: 8903244.0
Model loss: 9280568.0
Model loss: 9676936.0

Что я делаю не так?

Язык арабский. В качестве входных данных из DocIter - список с токенами.

1 Ответ

0 голосов
/ 29 августа 2018

До версии gensim 3.6.0 сообщаемое значение потери может быть не очень разумным, только сбрасывая подсчет каждого вызова на train(), а не каждую внутреннюю эпоху. В этом выпуске есть исправления:

https://github.com/RaRe-Technologies/gensim/pull/2135

Между тем, разница между предыдущим значением и последним может быть более значимой. В этом случае ваши данные предполагают, что 1-я эпоха имела общую потерю 745896, а последняя имела (9676936-9280568 =) 396,368 - что может указывать на ожидаемый прогресс.

...