nlp Embedding改进CBOW

Embedding改进CBOW

假设词汇量为 100 万个时的 CBOW 模型如下，输入层和输出层存在 100 万个神经元。

下面两个问题导致耗时严重。

问题一、输入层的 one-hot 表示和权重矩阵的乘积。one-hot 表示占用内存过多，计算 one-hot 表示与权重矩阵 的乘积，需要花费大量时间。

问题二、中间层和权重矩阵的乘积以及 softmax 层的计算。需要大量的计算，花费大量时间。

解决问题一：

计算one-hot 表示矩阵和权重矩阵的乘积，其实就是将权重矩阵的某个特定的行取出来。如下图所示。

Embedding 层：一个从权重矩阵中抽取单词ID对应行(向量)的层。

使用 params 和 grads 作为成员变量，params中保存要学习的参数，grads中保存梯度。并在成员变量 idx 中以数组的形式保存需要提取的行的索引(单词ID)。

正向传播：从权重矩阵W中提取特定的行，并将特定行的神经元原样传给下一层。

反向传播：上一层(输出侧的层)传过来的梯度将原样传给下一层(输入侧的层)。上一层传来的梯度会被应用到权重梯度dW的特定行(idx)。

反向传播里面，将梯度累加到对应索引上，用于处理idx 中出现了重复的索引的情况。dW[…] = 0的目的是保持dW的形状不变，将它的元素设为0。

将原来CBOW模型中输入侧的 MatMul 层换成 Embedding 层，减少内存使用量，避免不必要的矩阵计算。

class Embedding:
    def __init__(self, W):
        self.params = [W]
        self.grads = [np.zeros_like(W)]
        self.idx = None

    def forward(self, idx):
        W, = self.params
        self.idx = idx
        out = W[idx]
        return out

    def backward(self, dout):
        dW, = self.grads
        dW[...] = 0
        if GPU:
            np.scatter_add(dW, self.idx, dout)
        else:
            np.add.at(dW, self.idx, dout)
        return None