PyTorch 2.0 チュートリアル : テキスト : Sequence to Sequence ネットワークと Attention で翻訳 (翻訳/解説)

翻訳 : (株)クラスキャット セールスインフォメーション
作成日時 : 05/14/2023 (2.0.0)

* 本ページは、PyTorch 2.0 Tutorials の以下のページを翻訳した上で適宜、補足説明したものです：

• Text : NLP From Scratch : Translation with a Sequence to Sequence Network and Attention

* サンプルコードの動作確認はしておりますが、必要な場合には適宜、追加改変しています。
* ご自由にリンクを張って頂いてかまいませんが、sales-info@classcat.com までご一報いただけると嬉しいです。

 

 

 

PyTorch 2.0 チュートリアル : テキスト : Sequence to Sequence ネットワークと Attention で翻訳

これは「スクラッチからの NLP」を行なう 3 番目のそして最後のチュートリアルです、ここでは NLP モデリング・タスクを行なうためのデータを前処理する私達自身のクラスと関数を書きます。このチュートリアルを終えた後、この一つに続いて直ちに 3 つのチュートリアルで torchtext が貴方のためにこの前処理のかなりの部分をどのように処理できるかを学習することに貴方が進むことを望みます。

このプロジェクトでは、ニューラルネットワークにフランス語から英語へ翻訳することを教えていきます。

[KEY: > input, = target, < output]

> il est en train de peindre un tableau .
= he is painting a picture .
< he is painting a picture .

> pourquoi ne pas essayer ce vin delicieux ?
= why not try that delicious wine ?
< why not try that delicious wine ?

> elle n est pas poete mais romanciere .
= she is not a poet but a novelist .
< she not not a poet but a novelist .

> vous etes trop maigre .
= you re too skinny .
< you re all alone .

… 様々な成功の度合いへ。

これは sequence to sequence ネットワーク の単純ですがパワフルなアイデアにより可能になります、そこでは 2 つのリカレント・ニューラルネットワークが一つのシーケンスを他の一つに変換するために一緒に動作します。エンコーダ・ネットワークは入力シーケンスをベクトルに濃縮し、そしてデコーダ・ネットワークはそのベクトルを新しいシーケンスに展開します。

このモデルを改良するために attention メカニズム を使用します、これはデコーダに入力シーケンスの特定の範囲に渡りフォーカス (注目) することを学習させます。

 
推薦文書:

貴方が少なくとも PyTorch をインストールして、Python を知り、そして Tensor を理解していることを仮定しています。

• https://pytorch.org/ インストール手順のために。
• Deep Learning with PyTorch: A 60 Minute Blitz 一般に PyTorch で始めるために。
• Learning PyTorch with Examples 広く深い概要のために。
• PyTorch for Former Torch Users 貴方が以前の Lua Torch ユーザである場合。

そしてまた Sequence to Sequence について知り、それらがどのように動作するかを知ることもまた有用でしょう :

• Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation
• Sequence to Sequence Learning with Neural Networks
• Neural Machine Translation by Jointly Learning to Align and Translate
• A Neural Conversational Model

 
要件

from __future__ import unicode_literals, print_function, division
from io import open
import unicodedata
import string
import re
import random

import torch
import torch.nn as nn
from torch import optim
import torch.nn.functional as F

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

 

データファイルをロードする

このプロジェクトのためのデータは数千の英語 to フランス語翻訳ペアのセットです。

英語 to フランス語・ペアはレポジトリに含めるには大きすぎるので、続ける前に data/eng-fra.txt にダウンロードしてください。このファイルは翻訳ペアのタブ区切りリストです :

I am cold.    J'ai froid.

Note: データは ここ からダウンロードして現在のディレクトリにそれを展開してください。

文字レベル RNN チュートリアルで使用された文字エンコーディングと同様に、言語の各単語を one-hot ベクトル、または (単語のインデックスにおける) 単一の 1 を除いてゼロの巨大ベクトルとして表していきます。言語に存在するかもしれない数ダースの文字に比べて、より多くの多くの (= many many more) 単語がありますので、エンコーディング・ベクトルは遥かにより巨大です。けれども言語毎の数千単語を使用するためだけにデータを少し誤魔化して (= cheat) トリムします。

ネットワークの入力とターゲットとして後で使用するために単語毎に一意のインデックスが必要です。これの総てを追跡するために Lang という名前のヘルパークラスを使用します、これは word → index (word2index) と index → word (index2word) 辞書、そして稀な単語を後で置き換えるために使用する各単語の数 word2count を持ちます。

SOS_token = 0
EOS_token = 1


class Lang:
    def __init__(self, name):
        self.name = name
        self.word2index = {}
        self.word2count = {}
        self.index2word = {0: "SOS", 1: "EOS"}
        self.n_words = 2  # Count SOS and EOS

    def addSentence(self, sentence):
        for word in sentence.split(' '):
            self.addWord(word)

    def addWord(self, word):
        if word not in self.word2index:
            self.word2index[word] = self.n_words
            self.word2count[word] = 1
            self.index2word[self.n_words] = word
            self.n_words += 1
        else:
            self.word2count[word] += 1

ファイルは総て Unicode で、単純化するためにUnicode 文字を ASCII に変え、総てを小文字にして、そして殆どの句読点をトリムします。

# Turn a Unicode string to plain ASCII, thanks to
# https://stackoverflow.com/a/518232/2809427
def unicodeToAscii(s):
    return ''.join(
        c for c in unicodedata.normalize('NFD', s)
        if unicodedata.category(c) != 'Mn'
    )

# Lowercase, trim, and remove non-letter characters


def normalizeString(s):
    s = unicodeToAscii(s.lower().strip())
    s = re.sub(r"([.!?])", r" \1", s)
    s = re.sub(r"[^a-zA-Z.!?]+", r" ", s)
    return s

データファイルを読むためにファイルを行に分割して、それから行をペアに分割します。ファイルは総て英語 → 他の言語ですので、他の言語 → 英語へ翻訳することを望む場合には、ペアを逆にするために reverse フラグを追加しました。

def readLangs(lang1, lang2, reverse=False):
    print("Reading lines...")

    # Read the file and split into lines
    lines = open('data/%s-%s.txt' % (lang1, lang2), encoding='utf-8').\
        read().strip().split('\n')

    # Split every line into pairs and normalize
    pairs = [[normalizeString(s) for s in l.split('\t')] for l in lines]

    # Reverse pairs, make Lang instances
    if reverse:
        pairs = [list(reversed(p)) for p in pairs]
        input_lang = Lang(lang2)
        output_lang = Lang(lang1)
    else:
        input_lang = Lang(lang1)
        output_lang = Lang(lang2)

    return input_lang, output_lang, pairs

多くのサンプル・センテンスがありそして何某かを素早く訓練することを望みますので、データセットを比較的短くて単純なセンテンスだけにトリムします。ここでは最大長は 10 単語 (これは終わりの句読点を含みます) でそして形式 “I am” や “He is” 等 (置き換えられたアポストロフィについては先に説明しています) に訳せるセンテンスへとフィルタリングしています。

MAX_LENGTH = 10

eng_prefixes = (
    "i am ", "i m ",
    "he is", "he s ",
    "she is", "she s ",
    "you are", "you re ",
    "we are", "we re ",
    "they are", "they re "
)


def filterPair(p):
    return len(p[0].split(' ')) < MAX_LENGTH and \
        len(p[1].split(' ')) < MAX_LENGTH and \
        p[1].startswith(eng_prefixes)


def filterPairs(pairs):
    return [pair for pair in pairs if filterPair(pair)]

データを準備するための完全なプロセスは :

• テキストファイルを読んで行に分割し、行をペアに分割する
• テキストを正規化し、長さと内容でフィルタする
• ペアのセンテンスから単語リストを作成する

def prepareData(lang1, lang2, reverse=False):
    input_lang, output_lang, pairs = readLangs(lang1, lang2, reverse)
    print("Read %s sentence pairs" % len(pairs))
    pairs = filterPairs(pairs)
    print("Trimmed to %s sentence pairs" % len(pairs))
    print("Counting words...")
    for pair in pairs:
        input_lang.addSentence(pair[0])
        output_lang.addSentence(pair[1])
    print("Counted words:")
    print(input_lang.name, input_lang.n_words)
    print(output_lang.name, output_lang.n_words)
    return input_lang, output_lang, pairs


input_lang, output_lang, pairs = prepareData('eng', 'fra', True)
print(random.choice(pairs))

Reading lines...
Read 135842 sentence pairs
Trimmed to 10599 sentence pairs
Counting words...
Counted words:
fra 4345
eng 2803
['j apprends vite .', 'i m a quick learner .']

 

Seq2Seq モデル

リカレント・ニューラルネットワーク、または RNN はシーケンス上で動作するネットワークでそれ自身の出力を続くステップのための入力として利用します。

Sequence to Sequence ネットワーク または seq2seq ネットワーク、あるいは エンコーダ・デコーダネットワーク はエンコーダとデコーダと呼ばれる 2 つの RNN から成るモデルです。エンコーダは入力シーケンスを読みそして単一のベクトルを出力します、そしてデコーダは出力シーケンスを生成するためにそのベクトルを読みます。

(そこでは総ての入力が出力に対応する、) 単一の RNN によるシーケンス予測とは違い、seq2seq モデルはシーケンス長と順序から解放してくれます、それは (モデルを) 2 つの言語間の翻訳のために理想的なものにします。

センテンス “Je ne suis pas le chat noir” → “I am not the black cat” を考えます。入力センテンスの単語の殆どは出力センテンスで直接的な翻訳を持ちますが、少し異なった順序にあります、e.g. “chat noir” と “black cat” です。“ne/pas” 構造のため入力センテンスにはまたもう 1 つの単語があります。入力単語のシーケンスから直接的に正しい翻訳を生成することは難しいでしょう。

seq2seq モデルではエンコーダは単一のベクトルを生成します、これは、理想的には、入力センテンスの「意味」を単一のベクトルにエンコードします — センテンスのある N 次元空間の単一のポイントです。

 

エンコーダ

seq2seq ネットワークのエンコーダは RNN でこれは入力センテンスからの総ての単語のために何某かの値を出力します。総ての入力単語に対してエンコーダはベクトルと隠れ状態を出力して、そして次の入力単語のためにその隠れ状態を利用します。

class EncoderRNN(nn.Module):
    def __init__(self, input_size, hidden_size):
        super(EncoderRNN, self).__init__()
        self.hidden_size = hidden_size

        self.embedding = nn.Embedding(input_size, hidden_size)
        self.gru = nn.GRU(hidden_size, hidden_size)

    def forward(self, input, hidden):
        embedded = self.embedding(input).view(1, 1, -1)
        output = embedded
        output, hidden = self.gru(output, hidden)
        return output, hidden

    def initHidden(self):
        return torch.zeros(1, 1, self.hidden_size, device=device)

 

デコーダ

デコーダはもう一つの RNN でこれはエンコーダ出力ベクトルを取りそして翻訳を生成するために単語のシーケンスを出力します。

 

単純なデコーダ

最も単純な seq2seq デコーダではエンコーダの最後の出力だけを利用します。この最後の出力は時に コンテキスト・ベクトル と呼ばれます、何故ならばそれはシーケンス全体からのコンテキストをエンコードするからです。このコンテキスト・ベクトルは デコーダの初期隠れ状態 として利用されます。

デコーディングの総てのステップで、デコーダは入力トークンと隠れ状態が与えられます。初期入力トークンは文字列開始 (= start-of-string) <SOS> トークンで、そして最初の隠れ状態はコンテキスト・ベクトルです (エンコーダの最後の隠れ状態)。

class DecoderRNN(nn.Module):
    def __init__(self, hidden_size, output_size):
        super(DecoderRNN, self).__init__()
        self.hidden_size = hidden_size

        self.embedding = nn.Embedding(output_size, hidden_size)
        self.gru = nn.GRU(hidden_size, hidden_size)
        self.out = nn.Linear(hidden_size, output_size)
        self.softmax = nn.LogSoftmax(dim=1)

    def forward(self, input, hidden):
        output = self.embedding(input).view(1, 1, -1)
        output = F.relu(output)
        output, hidden = self.gru(output, hidden)
        output = self.softmax(self.out(output[0]))
        return output, hidden

    def initHidden(self):
        return torch.zeros(1, 1, self.hidden_size, device=device)

訓練してこのモデルの結果を観察することを勧めますが、スペースの節約のために成功を目指して一直線に進んで Attention メカニズム を導入していきます。

 

Attention デコーダ

エンコーダとデコーダ間でコンテキスト・ベクトルだけが渡されるのであれば、その単一のベクトルはセンテンス全体をエンコードするという重荷を運搬することになります。

attention はデコーダ・ネットワークにデコーダ自身の出力の総てのステップについてエンコーダの出力の異なる部分に「フォーカス」させることを可能にします。最初に attention 重みのセットを計算します。これらは重み付けられた組合せを作成するためにエンコーダ出力ベクトルにより乗算されます。この結果 (コードでは attn_applied と呼称) は入力シーケンスの特定の部分についての情報を含み、そしてデコーダが正しい出力単語を選択する助けとなるはずです。

attention 重みの計算は、入力としてデコーダの入力と隠れ状態を使用して、もう一つの順伝播層 attn で成されます。訓練データに総てのサイズのセンテンスがありますので、この層を実際に作成して訓練するためには、それが適用できる最大センテンス長 (入力長、エンコーダ出力のため) を選択しなければなりません。最大長のセンテンスは総ての attention 重みを使用します、その一方でより短いセンテンスは最初の幾つかを使用するだけです。

class AttnDecoderRNN(nn.Module):
    def __init__(self, hidden_size, output_size, dropout_p=0.1, max_length=MAX_LENGTH):
        super(AttnDecoderRNN, self).__init__()
        self.hidden_size = hidden_size
        self.output_size = output_size
        self.dropout_p = dropout_p
        self.max_length = max_length

        self.embedding = nn.Embedding(self.output_size, self.hidden_size)
        self.attn = nn.Linear(self.hidden_size * 2, self.max_length)
        self.attn_combine = nn.Linear(self.hidden_size * 2, self.hidden_size)
        self.dropout = nn.Dropout(self.dropout_p)
        self.gru = nn.GRU(self.hidden_size, self.hidden_size)
        self.out = nn.Linear(self.hidden_size, self.output_size)

    def forward(self, input, hidden, encoder_outputs):
        embedded = self.embedding(input).view(1, 1, -1)
        embedded = self.dropout(embedded)

        attn_weights = F.softmax(
            self.attn(torch.cat((embedded[0], hidden[0]), 1)), dim=1)
        attn_applied = torch.bmm(attn_weights.unsqueeze(0),
                                 encoder_outputs.unsqueeze(0))

        output = torch.cat((embedded[0], attn_applied[0]), 1)
        output = self.attn_combine(output).unsqueeze(0)

        output = F.relu(output)
        output, hidden = self.gru(output, hidden)

        output = F.log_softmax(self.out(output[0]), dim=1)
        return output, hidden, attn_weights

    def initHidden(self):
        return torch.zeros(1, 1, self.hidden_size, device=device)

Note: 相対位置アプローチを使用することにより長さ制限を回避する他の形式の attention もあります。Effective Approaches to Attention-based Neural Machine Translation の “local attention” について読んでください。

 

訓練

訓練データの準備

訓練するために、各ペアに対して入力 tensor (入力センテンスの単語のインデックス) とターゲット tensor (ターゲット・センテンスの単語のインデックス) が必要です。これらのベクトルを作成する一方で両者のシーケンスに EOS トークンを追加します。

def indexesFromSentence(lang, sentence):
    return [lang.word2index[word] for word in sentence.split(' ')]


def tensorFromSentence(lang, sentence):
    indexes = indexesFromSentence(lang, sentence)
    indexes.append(EOS_token)
    return torch.tensor(indexes, dtype=torch.long, device=device).view(-1, 1)


def tensorsFromPair(pair):
    input_tensor = tensorFromSentence(input_lang, pair[0])
    target_tensor = tensorFromSentence(output_lang, pair[1])
    return (input_tensor, target_tensor)

 

モデルを訓練する

訓練するために入力センテンスをエンコーダを通して、そして総ての出力と最新の隠れ状態を追跡します。それからデコーダはその最初の入力として <SOS> トークンが、そしてその最初の隠れ状態としてエンコーダの最後の隠れ状態が与えられます。

“Teacher forcing” は次の入力としてデコーダの推測を使用する代わりに、実際のターゲット出力を各々の次の入力として利用する考えです。teacher forcing の利用はそれをより速く収束させますが、訓練されたネットワークが利用された (= exploit) とき、不安定さを示すかもしれません。

teacher-forced ネットワークの出力を観察することができます、それは首尾一貫した文法で読みますが正しい翻訳からは遠いところを彷徨います - 直感的にはそれは出力文法を表わすことを学習してそしてひとたび教師が最初の 2, 3 の単語をそれに伝えれば、意味を「拾い上げる」ことができます、しかしそれはそもそも翻訳からどのようにセンテンスを作成するかを適切に学習していません。

PyTorch autograd が与えてくれる自由度ゆえに、単純な if ステートメントで "teacher forcing" を使用するか否かをランダムに選択することができます。それのより多くを使用するためには teacher_forcing_ratio を上向きに調整してください。

teacher_forcing_ratio = 0.5


def train(input_tensor, target_tensor, encoder, decoder, encoder_optimizer, decoder_optimizer, criterion, max_length=MAX_LENGTH):
    encoder_hidden = encoder.initHidden()

    encoder_optimizer.zero_grad()
    decoder_optimizer.zero_grad()

    input_length = input_tensor.size(0)
    target_length = target_tensor.size(0)

    encoder_outputs = torch.zeros(max_length, encoder.hidden_size, device=device)

    loss = 0

    for ei in range(input_length):
        encoder_output, encoder_hidden = encoder(
            input_tensor[ei], encoder_hidden)
        encoder_outputs[ei] = encoder_output[0, 0]

    decoder_input = torch.tensor([[SOS_token]], device=device)

    decoder_hidden = encoder_hidden

    use_teacher_forcing = True if random.random() < teacher_forcing_ratio else False

    if use_teacher_forcing:
        # Teacher forcing: Feed the target as the next input
        for di in range(target_length):
            decoder_output, decoder_hidden, decoder_attention = decoder(
                decoder_input, decoder_hidden, encoder_outputs)
            loss += criterion(decoder_output, target_tensor[di])
            decoder_input = target_tensor[di]  # Teacher forcing

    else:
        # Without teacher forcing: use its own predictions as the next input
        for di in range(target_length):
            decoder_output, decoder_hidden, decoder_attention = decoder(
                decoder_input, decoder_hidden, encoder_outputs)
            topv, topi = decoder_output.topk(1)
            decoder_input = topi.squeeze().detach()  # detach from history as input

            loss += criterion(decoder_output, target_tensor[di])
            if decoder_input.item() == EOS_token:
                break

    loss.backward()

    encoder_optimizer.step()
    decoder_optimizer.step()

    return loss.item() / target_length

これは、現在時刻と進捗 % が与えられたときに経過時間と残りの見積もり時間をプリントするヘルパー関数です。

import time
import math


def asMinutes(s):
    m = math.floor(s / 60)
    s -= m * 60
    return '%dm %ds' % (m, s)


def timeSince(since, percent):
    now = time.time()
    s = now - since
    es = s / (percent)
    rs = es - s
    return '%s (- %s)' % (asMinutes(s), asMinutes(rs))

訓練プロセス全体はこのように見えます :

• タイマーを開始する
• optimizer と criterion を初期化する
• 訓練ペアのセットを作成する
• プロットのために空の損失配列を開始する

それから train を何回も呼び出して時に進捗 (サンプルの %, そこまでの時間, 見積もり時間) と平均損失をプリントします。

def trainIters(encoder, decoder, n_iters, print_every=1000, plot_every=100, learning_rate=0.01):
    start = time.time()
    plot_losses = []
    print_loss_total = 0  # Reset every print_every
    plot_loss_total = 0  # Reset every plot_every

    encoder_optimizer = optim.SGD(encoder.parameters(), lr=learning_rate)
    decoder_optimizer = optim.SGD(decoder.parameters(), lr=learning_rate)
    training_pairs = [tensorsFromPair(random.choice(pairs))
                      for i in range(n_iters)]
    criterion = nn.NLLLoss()

    for iter in range(1, n_iters + 1):
        training_pair = training_pairs[iter - 1]
        input_tensor = training_pair[0]
        target_tensor = training_pair[1]

        loss = train(input_tensor, target_tensor, encoder,
                     decoder, encoder_optimizer, decoder_optimizer, criterion)
        print_loss_total += loss
        plot_loss_total += loss

        if iter % print_every == 0:
            print_loss_avg = print_loss_total / print_every
            print_loss_total = 0
            print('%s (%d %d%%) %.4f' % (timeSince(start, iter / n_iters),
                                         iter, iter / n_iters * 100, print_loss_avg))

        if iter % plot_every == 0:
            plot_loss_avg = plot_loss_total / plot_every
            plot_losses.append(plot_loss_avg)
            plot_loss_total = 0

    showPlot(plot_losses)

 

結果をプロットする

プロットは、訓練の間にセーブされた損失値の配列 plot_losses を使用して matplotlib で成されます。

import matplotlib.pyplot as plt
plt.switch_backend('agg')
import matplotlib.ticker as ticker
import numpy as np


def showPlot(points):
    plt.figure()
    fig, ax = plt.subplots()
    # this locator puts ticks at regular intervals
    loc = ticker.MultipleLocator(base=0.2)
    ax.yaxis.set_major_locator(loc)
    plt.plot(points)

 

評価

評価は訓練と殆ど同じですが、ターゲットがないので各ステップのためにデコーダの予測を単純に自身に戻して供給します。それが単語を予測するたびにそれを出力文字列に追加してそして EOS トークンを予測すればそこで停止します。デコーダの attention 出力もまた後で表示するためにストアします。

def evaluate(encoder, decoder, sentence, max_length=MAX_LENGTH):
    with torch.no_grad():
        input_tensor = tensorFromSentence(input_lang, sentence)
        input_length = input_tensor.size()[0]
        encoder_hidden = encoder.initHidden()

        encoder_outputs = torch.zeros(max_length, encoder.hidden_size, device=device)

        for ei in range(input_length):
            encoder_output, encoder_hidden = encoder(input_tensor[ei],
                                                     encoder_hidden)
            encoder_outputs[ei] += encoder_output[0, 0]

        decoder_input = torch.tensor([[SOS_token]], device=device)  # SOS

        decoder_hidden = encoder_hidden

        decoded_words = []
        decoder_attentions = torch.zeros(max_length, max_length)

        for di in range(max_length):
            decoder_output, decoder_hidden, decoder_attention = decoder(
                decoder_input, decoder_hidden, encoder_outputs)
            decoder_attentions[di] = decoder_attention.data
            topv, topi = decoder_output.data.topk(1)
            if topi.item() == EOS_token:
                decoded_words.append('')
                break
            else:
                decoded_words.append(output_lang.index2word[topi.item()])

            decoder_input = topi.squeeze().detach()

        return decoded_words, decoder_attentions[:di + 1]

訓練セットからのランダムなセンテンスを評価して何某かの主観的な質の判断を行なうために入力、ターゲットそして出力をプリントアウトすることができます :

def evaluateRandomly(encoder, decoder, n=10):
    for i in range(n):
        pair = random.choice(pairs)
        print('>', pair[0])
        print('=', pair[1])
        output_words, attentions = evaluate(encoder, decoder, pair[0])
        output_sentence = ' '.join(output_words)
        print('<', output_sentence)
        print('')

 

訓練と評価

適所でこれら総てのヘルパー関数により (余分なワークに見えますが、それは複数の実験を実行することを容易にします) 実際にネットワークを初期化して訓練を開始することができます。

入力センテンスは大量にフィルタされたことを思い出してください。この小さなデータセットに対して 256 隠れノードと単一の GRU 層の比較的小さなネットワークを利用できます。MacBook CPU 上およそ 40 分後にある妥当な結果を得られます。

Note: この notebook を実行すれば訓練、カーネルの中断、評価、そして後で訓練を続けることができます。エンコーダとデコーダが初期化されるところの行をコメントアウトして trainIters を再度実行してください。

hidden_size = 256
encoder1 = EncoderRNN(input_lang.n_words, hidden_size).to(device)
attn_decoder1 = AttnDecoderRNN(hidden_size, output_lang.n_words, dropout_p=0.1).to(device)

trainIters(encoder1, attn_decoder1, 75000, print_every=5000)

1m 22s (- 19m 10s) (5000 6%) 2.8399
2m 39s (- 17m 19s) (10000 13%) 2.2683
3m 58s (- 15m 54s) (15000 20%) 1.9907
5m 15s (- 14m 28s) (20000 26%) 1.7264
6m 33s (- 13m 6s) (25000 33%) 1.5264
7m 49s (- 11m 44s) (30000 40%) 1.3641
9m 7s (- 10m 25s) (35000 46%) 1.2336
10m 23s (- 9m 5s) (40000 53%) 1.1303
11m 40s (- 7m 47s) (45000 60%) 1.0192
12m 57s (- 6m 28s) (50000 66%) 0.9212
14m 14s (- 5m 10s) (55000 73%) 0.8479
15m 31s (- 3m 52s) (60000 80%) 0.7611
16m 48s (- 2m 35s) (65000 86%) 0.6882
18m 5s (- 1m 17s) (70000 93%) 0.6389
19m 22s (- 0m 0s) (75000 100%) 0.5746

evaluateRandomly(encoder1, attn_decoder1)

> je ne suis pas vraiment inquiet .
= i m not really worried .
< i m not really worried . <EOS>

> je suis stupefaite .
= i m astonished .
< i m astonished . <EOS>

> j en ai assez de ses excuses .
= i m sick of her excuses .
< i m sick of her excuses . <EOS>

> je ne suis pas abruti .
= i m not dumb .
< i m not embarrassed . <EOS>

> il tend a etre paresseux .
= he is inclined to be lazy .
< he is waiting for a be . . <EOS>

> je ne suis pas autorise a vous aider .
= i m not allowed to help you .
< i m not allowed to help you . <EOS>

> je suis desolee de vous ennuyer si souvent .
= i m sorry to bother you so often .
< i m sorry to bother you so often . <EOS>

> je suis etudiant mais lui non .
= i am a student but he isn t .
< i am an only but but is . <EOS>

> tu te fais comprendre .
= you re assertive .
< you re scaring kidding . <EOS>

> il est plein d energie .
= he is full of energy .

< he is full of energy . <EOS>

 

Attention を可視化する

attention メカニズムの有用な特質はその高度に解釈可能な出力です。それは入力シーケンスの特定のエンコーダ出力を重み付けるために使用されますので、各時間ステップでネットワークがどこに最もフォーカスされるかを見て想像できます。

列が入力ステップで行が出力ステップである、行列として表示される attention 出力を見るには単純に plt.matshow(attentions) を実行できるでしょう :

output_words, attentions = evaluate(
    encoder1, attn_decoder1, "je suis trop froid .")
plt.matshow(attentions.numpy())

より良い視覚体験のために軸とラベルを追加する追加のワークを行ないます :

def showAttention(input_sentence, output_words, attentions):
    # Set up figure with colorbar
    fig = plt.figure()
    ax = fig.add_subplot(111)
    cax = ax.matshow(attentions.numpy(), cmap='bone')
    fig.colorbar(cax)

    # Set up axes
    ax.set_xticklabels([''] + input_sentence.split(' ') +
                       [''], rotation=90)
    ax.set_yticklabels([''] + output_words)

    # Show label at every tick
    ax.xaxis.set_major_locator(ticker.MultipleLocator(1))
    ax.yaxis.set_major_locator(ticker.MultipleLocator(1))

    plt.show()


def evaluateAndShowAttention(input_sentence):
    output_words, attentions = evaluate(
        encoder1, attn_decoder1, input_sentence)
    print('input =', input_sentence)
    print('output =', ' '.join(output_words))
    showAttention(input_sentence, output_words, attentions)


evaluateAndShowAttention("elle a cinq ans de moins que moi .")

evaluateAndShowAttention("elle est trop petit .")

evaluateAndShowAttention("je ne crains pas de mourir .")

evaluateAndShowAttention("c est un jeune directeur plein de talent .")

input = elle a cinq ans de moins que moi .
output = she is two years younger than i am <EOS>
/var/lib/jenkins/workspace/intermediate_source/seq2seq_translation_tutorial.py:808: UserWarning:

FixedFormatter should only be used together with FixedLocator

/var/lib/jenkins/workspace/intermediate_source/seq2seq_translation_tutorial.py:810: UserWarning:

FixedFormatter should only be used together with FixedLocator

input = elle est trop petit .
output = she is too short . <EOS>
input = je ne crains pas de mourir .
output = i m not afraid to die . <EOS>
input = c est un jeune directeur plein de talent .
output = he s a talented young . . <EOS>

 

課題

• 異なるデータセットで試してください
  • 他の言語ペア
  • 人間 → マシン (e.g. IOT コマンド)
  • チャット → レスポンス
  • 質問 → 回答
• 埋め込みを word2vec や GloVe のような事前訓練された単語埋め込みで置き換える
• より多くの層、より多くの隠れユニット、そしてより多くのセンテンスで試してください。訓練時間と結果を比較してください。
• ペアが同じフレーズ (I am test \t I am test) の 2 つを持つ翻訳ファイルを使用する場合、これをオートエンコーダとして利用できます。これを試してください :
  • オートエンコーダとして訓練する
  • エンコーダ・ネットワークだけをセーブする
  • そこから翻訳のための新しいデコーダを訓練する

以上