时间戳

首页 > 解决方案 > 为什么我的 Transformer 实现输给了 BiLSTM？

deep-learning - 为什么我的 Transformer 实现输给了 BiLSTM？

问题描述

我正在处理一个序列标记问题，我正在使用单个 Transformer Encoder 从序列的每个元素中获取 logits。已经对 Transformer 和 BiLSTM 进行了实验，在我的情况下，BiLSTM 工作得更好，所以我想知道是否可能是因为我的 Transformer 实现有一些问题......下面是我实现的 Transformer Encoder 和用于创建填充的相关函数掩码和位置嵌入：

def create_mask(src, lengths):
    """Create a mask hiding future tokens
    Parameters:
        src (tensor): the source tensor having shape [batch_size, number_of_steps, features_dimensions]
        length (list): a list of integers representing the length (i.e. number_of_steps) of each sample in the batch."""
    mask = []
    max_len = src.shape[1]
    for index, i in enumerate(src):
        # The mask consists in tensors having false at the step number that doesn't need to be hidden and true otherwise
        mask.append([False if (i+1)>lengths[index] else True for i in range(max_len)])
    return torch.tensor(mask)

class PositionalEncoding(nn.Module):

    def __init__(self, d_model, dropout=0.1, max_len=5000, device = 'cpu'):
        super().__init__()
        self.dropout = nn.Dropout(p=dropout)
        self.device = device
        position = torch.arange(max_len).unsqueeze(1)
        div_term = torch.exp(torch.arange(0, d_model, 2) * (-math.log(10000.0) / d_model))
        pe = torch.zeros(1, max_len, d_model)
        pe[0, :, 0::2] = torch.sin(position * div_term)
        pe[0, :, 1::2] = torch.cos(position * div_term)
        self.register_buffer('pe', pe)
    
    def forward(self, x):
        x = x + self.pe[:, :x.size(1), :].to(self.device)
        return self.dropout(x)

class Transformer(nn.Module):
    """Class implementing transformer ecnoder, partially based on
    https://pytorch.org/tutorials/beginner/transformer_tutorial.html"""
    def __init__(self, in_dim, h_dim, n_heads, n_layers, dropout=0.2, drop_out = 0.0, batch_first = True, device = 'cpu', positional_encoding = True):
        super(Transformer, self).__init__()
        self.model_type = 'Transformer'
        self.pos_encoder = PositionalEncoding(in_dim, dropout, device = device)
        encoder_layers = nn.TransformerEncoderLayer(in_dim, n_heads, h_dim, dropout)
        self.transformer_encoder = nn.TransformerEncoder(encoder_layers, n_layers, norm=nn.LayerNorm(in_dim))
        self.in_dim = in_dim
        self.drop_out = drop_out
        self.positional_encoding = positional_encoding
    
        
    def forward(self, src, mask = None, line_len=None):
        src = src * math.sqrt(self.in_dim)
        if self.positional_encoding:
            src = self.pos_encoder(src)
        if line_len is not None and mask is None:
            mask = create_mask(src, line_len)
        else:
            mask = None
        output = self.transformer_encoder(src, src_key_padding_mask = mask)
        if self.drop_out:
            output = F.dropout(output, p = self.drop_out)
        return src, output

可以看出，上面的网络输出隐藏状态，然后我将它们传递到一个额外的线性层，并在两个类和 Adam 优化器上使用 CrossEntropy 损失进行训练。我尝试了多种超参数组合，但 BiLSTM 仍然表现更好。任何人都可以在我的 Transformer 中发现任何东西或建议我为什么会遇到这种违反直觉的结果吗？

标签： deep-learningpytorchlstmtransformerlanguage-model

解决方案

这可能令人惊讶，但 Transformer 并不总是能击败 LSTM。例如，带有变形金刚的语言模型指出：

Transformer 架构对于语言模型本身来说不是最理想的。Transformer 中的 self-attention 和位置编码都无法有效地结合对语言建模至关重要的单词级顺序上下文。

如果您运行 Transformer 教程代码本身（您的代码所基于的），您还会看到 LSTM 在那里做得更好。有关此主题的更多讨论，请参阅stats.SE 上的此线程（免责声明：问题和答案都是我的）

推荐阅读