HW4
一、Unsupervised Learning
Sharing Parameters
你可能会觉得通过当前词汇预测下一个词汇这个约束太弱了,由于不同词汇的搭配千千万万,即便是人也无法准确地给出下一个词汇具体是什么,你可以扩展这个问题,使用10个及以上的词汇去预测下一个词汇,可以帮助得到较好的结果,这里用2个词汇举例,如果是一般是神经网络,我们直接把wi-2和wi-1这两个vector拼接成一个更长的vector作为input即可。但实际上,我们希望和wi-2相连的weight与和wi-1相连的weight是tight在一起的,简单来说就是与的相同dimension对应到第一层hidden layer相同neuron之间的连线拥有相同的weight,在下图中,用同样的颜色标注相同的weight:
如果我们不这么做,那把同一个word放在wi-2的位置和放在wi-1的位置,得到的Embedding结果是会不一样的。把两组weight设置成相同,可以使wi-2与wi-1的相对位置不会对结果产生影响。除此之外,这么做还可以通过共享参数的方式有效地减少参数量,不会由于input的word数量增加而导致参数量剧增。
Formulation
假设wi-2的1-of-N编码为xi-2,wi-1的1-of-N编码为xi-1,维数均为|V|,表示数据中的words总数。hidden layer的input为向量z,长度为|Z|,表示降维后的维数, z = W1xi-2 + W2xi-1。其中W1和W2都是|Z|*|V|维的weight matrix,它由|Z|组|V|维的向量构成,第一组|V|维向量与|V|维的xi-2相乘得到z1,第二组|V|维向量与|V|维的xi-2相乘得到z2,...,依次类推。我们强迫让W1=W2=W,此时z=W(xi-2 + xi-1)。因此,只要我们得到了这组参数W,就可以与1-of-N编码x相乘得到word embedding的结果。
In Practice
那在实际操作上,我们如何保证W1和W2一样呢?
以下图中的wi和wj为例,我们希望它们的weight是一样的:
首先在训练的时候就要给它们一样的初始值。,然后分别计算loss function 对和的偏微分,并对其进行更新。
这个时候你就会发现,C对wi和wj的偏微分是不一样的,这意味着即使给了wi和wj相同的初始值,更新过一次之后它们的值也会变得不一样,因此我们必须保证两者的更新过程是一致的,即:
这个时候,我们就保证了wi和wj始终相等:wi和wj的初始值相同,wi和wj的更新过程相同。
如何去训练这个神经网络呢?注意到这个NN完全是unsupervised,你只需要上网爬一下文章数据直接喂给它即可。比如喂给NN的input是“潮水”和“退了”,希望它的output是“就”,之前提到这个NN的输出是一个由概率组成的vector,而目标“就”是只有某一维为1的1-of-N编码,我们希望minimize它们之间的cross entropy,也就是使得输出的那个vector在“就”所对应的那一维上概率最高。
Various Architectures
除了上面的基本形态,Prediction-based方法还可以有多种变形。
(1)CBOW(Continuous bag of word model)拿前后的词汇去预测中间的词汇
(2)Skip-gram拿中间的词汇去预测前后的词
Application
机器问答
从得到的word vector里,我们可以发现一些原本并不知道的word与word之间的关系。把word vector两两相减,再投影到下图中的二维平面上,如果某两个word之间有类似包含于的相同关系,它们就会被投影到同一块区域。
机器翻译
此外,word vector还可以建立起不同语言之间的联系。如果你要用上述方法分别训练一个英文的语料库(corpus)和中文的语料库,你会发现两者的word vector之间是没有任何关系的,因为Word Embedding只体现了上下文的关系,如果你的文章没有把中英文混合在一起使用,机器就没有办法判断中英文词汇之间的关系。但是,如果你知道某些中文词汇和英文词汇的对应关系,你可以先分别获取它们的word vector,然后再去训练一个模型,把具有相同含义的中英文词汇投影到新空间上的同一个点。接下来遇到未知的新词汇,无论是中文还是英文,你都可以采用同样的方式将其投影到新空间,就可以自动做到类似翻译的效果。
总结
本节学习了Word Embedding(词嵌入)的知识,其基本思路就是:通过上下文找到这个词的意义,它是无监督学习的(输入一个词,输出一个向量),其基本思路有 Count based(基于统计) 与 Prediction based(基于预测)两种方法。基于统计的主要思想是:两词向量共同出现的频率比较高的话,那么这两个词向量也应该比较相似。而基于预测的方法是,我们要训练一个神经网络,它要做的就是根据当前的word wi-1 ,来预测下一个可能出现的word wi是什么。
二、HW4
1、Task
做语者辨识任务,一共有600个语者,给了每一个语者的语音feature进行训练,然后通过test_feature进行语者辨识。(本质上还是分类任务Classification)
Simple(0.60824):run sample code and know how to use transformer
Medium(0.70375):know how to adjust parameters of transformer
Strong(0.77750):construct conformer
Boss(0.86500):implement self-attention pooling and additive margin softmax
2、数据集分析
mapping.json文件
将speakers的id映射到编号0~599,因为一共有600个不同的speaker需要对语音进行分类
metadata.json文件
存放的是training data,本次实验没有专门设置validation data,需要从training data中划分validation data
n_mels:在对语音数据进行处理时,从每一个时间维度上选取n_mels个维度来表示这个feature
speakers:以key-value形式存放speakers的id和所有feature(每个speaker都有多个feature)
feature_path:这个feature的文件名
mel_len:每一个feature的长度(每一个可能都不一样,后期需要处理)
testdata.json文件
与metadata形式类似,需要我们进行语者辨识。utterance:话语; 言论
3、Dataset
本次实验的数据来源于 Voxceleb2语音数据集,是真实世界中语者的语音,作业中选取了600个语者,和他们的语音进行训练。
import os
import json
import torch
import random
from pathlib import Path
from torch.utils.data import Dataset
from torch.nn.utils.rnn import pad_sequence
class myDataset(Dataset):
def __init__(self, data_dir, segment_len=128):
self.data_dir = data_dir
self.segment_len = segment_len
#加载从speaker neme到其相应id的映射。
mapping_path = Path(data_dir) / "mapping.json" #mapping_path: Dataset\mapping.json
mapping = json.load(mapping_path.open())
#mapping: {'speaker2id': {'id00464': 0, 'id00559': 1,
self.speaker2id = mapping["speaker2id"]
#self.speaker2id: {'id00464': 0, 'id00559': 1, 'id00578': 2, 'id00905': 3,...
#加载训练数据的元数据metadata
metadata_path = Path(data_dir) / "metadata.json"
metadata = json.load(open(metadata_path))["speakers"] #metadata中存放的key是speaker_id,value是每个speaker的feature和对应长度
# 获取speaker的总数。
self.speaker_num = len(metadata.keys())
self.data = []
for speaker in metadata.keys(): #遍历每一个spearker_id
for utterances in metadata[speaker]: #通过speaker_id取出speaker的所有feature和len
"""
utterances格式:
{'feature_path': 'uttr-18e375195dc146fd8d14b8a322c29b90.pt', 'mel_len': 435}
{'feature_path': 'uttr-da9917d5853049178487c065c9e8b718.pt', 'mel_len': 490}...
"""
self.data.append([utterances["feature_path"], self.speaker2id[speaker]])
#self.data:[['uttr-18e375195dc146fd8d14b8a322c29b90.pt', 436],
# ['uttr-da9917d5853049178487c065c9e8b718.pt', 436],...
#一共600个speaker,436表示第436个speaker
def __len__(self):
return len(self.data)
def __getitem__(self, index):
feat_path, speaker = self.data[index] #feature和speaker编号[0,599]
# 加载预处理后的mel-spectrogram.。
mel = torch.load(os.path.join(self.data_dir, feat_path)) #加载feature
#mel.size():torch.Size([490, 40])
# 将mel-spectrogram分割成“segment_len”帧。
if len(mel) > self.segment_len: #将feature切片成固定长度
#随机获取线段的起点。
start = random.randint(0, len(mel) - self.segment_len) #随机选取切片起始点
#获得一个具有“segment_len”帧的分段。
mel = torch.FloatTensor(mel[start:start+self.segment_len])#截取长度为segment_len的片段 mel.size():torch.Size([128, 40])
else:
mel = torch.FloatTensor(mel) #为什么小于segment_len不填充? 填充在dataloader中完成
#将说话者id转换为long,以便稍后计算损耗。
speaker = torch.FloatTensor([speaker]).long() #将speaker的编号转为long类型
return mel, speaker
def get_speaker_number(self):
return self.speaker_num #600
4、Dataloader
主要任务:1.划分验证集 2.将长度小于segment_len的mel进行padding 3.生成dataloader
import torch
from torch.utils.data import DataLoader, random_split
from torch.nn.utils.rnn import pad_sequence
def collate_batch(batch): #用于整理数据的函数,参数为dataloader中的一个batch
#每个批次内的流程特征。
"""核对一batch数据。"""
mel, speaker = zip(*batch) #zip拆包,将一个batch中的mel和speaker分开,各自单独形成一个数组
# 因为我们是一批一批地训练模型,所以需要在同一个批次中填充特征,使它们的长度相同。
#mel中元素长度不相同时,将所有的mel元素填充到最长的元素的长度,填充的值由padding_value决定
mel = pad_sequence(mel, batch_first=True, padding_value=-20) # pad log 10^(-20) 这是非常小的值。
# mel: (batch size, length, 40)
return mel, torch.FloatTensor(speaker).long()
def get_dataloader(data_dir, batch_size, n_workers):
"""产生 dataloader"""
dataset = myDataset(data_dir)
speaker_num = dataset.get_speaker_number()
# 将数据集分为训练数据集和验证数据集
trainlen = int(0.9 * len(dataset))
lengths = [trainlen, len(dataset) - trainlen]
trainset, validset = random_split(dataset, lengths) #无覆盖的随机划分训练集和验证集
train_loader = DataLoader(
trainset,
batch_size=batch_size,
shuffle=True,
drop_last=True,
num_workers=n_workers,
pin_memory=True,
collate_fn=collate_batch,
)
valid_loader = DataLoader(
validset,
batch_size=batch_size,
num_workers=n_workers,
drop_last=True,
pin_memory=True,
collate_fn=collate_batch,
)
return train_loader, valid_loader, speaker_num
5、Model
import torch
import torch.nn as nn
import torch.nn.functional as F
class Classifier(nn.Module):
def __init__(self, d_model=160, n_spks=600, dropout=0.1):
super().__init__()
# 将特征尺寸从输入尺寸投影到d_model中。
self.prenet = nn.Linear(40, d_model)
#对于文本分类等下游任务,只需要用到Encoder部分即可
#nhead:multi_head_attention中head个数
#d_model:输入的feature的个数
#dim_feedforward:feedforward network的维度
#dropout默认0.1
self.encoder_layer = nn.TransformerEncoderLayer(
d_model=d_model, dim_feedforward=256, nhead=8
)
# self.encoder = nn.TransformerEncoder(self.encoder_layer, num_layers=2)
# 将特征的维度从d_model映射到speaker nums。
self.pred_layer = nn.Sequential(
nn.Linear(d_model, d_model),
nn.ReLU(),
nn.Linear(d_model, n_spks),
)
def forward(self, mels):
"""
args:
mels: (batch size, length, 40)
return:
out: (batch size, n_spks)
"""
# out: (batch size, length, d_model) length=segment_len
out = self.prenet(mels)
# out: (length, batch size, d_model)
out = out.permute(1, 0, 2) #交换dim=0和dim=1
#编码器层期望 (length, batch size, d_model)形式的特征。
out = self.encoder_layer(out)
# out: (batch size, length, d_model)
out = out.transpose(0, 1) #转置dim=0和dim=1
# mean pooling
stats = out.mean(dim=1) #可以理解为求平均并去除维度1 stats.size():(batch_size,d_model)
# out: (batch, n_spks)
out = self.pred_layer(stats)
return out
6、Learning rate schedule
当batch设置的比较大的时候通常需要比较大的学习率(通常batch_size和学习率成正比),但在刚开始训练时,参数是随机初始化的,梯度也比较大,这时学习率也比较大,会使得训练不稳定。
warm up 方法就是在最初几轮迭代采用比较小的学习率,等梯度下降到一定程度再恢复初始学习率。
import math
import torch
from torch.optim import Optimizer
from torch.optim.lr_scheduler import LambdaLR
def get_cosine_schedule_with_warmup(
optimizer: Optimizer,
num_warmup_steps: int,
num_training_steps: int,
num_cycles: float = 0.5,
last_epoch: int = -1,
):
"""
创建一个学习率随余弦函数值下降的时间表
优化器中的初始lr设置为0,在预热期间,lr在0和之间线性增加.
优化器中的初始lr集。
参数:
optimizer(:class:` ~ torch . optim . optimizer `):为其调度学习率的优化程序。
num_warmup_steps (:obj:`int `):预热阶段的步骤数。
num_training_steps (:obj:`int `):训练步骤的总数。
num_cycles (:obj:`float ',` optional ',默认为0.5):余弦计划中的波数(默认值是从最大值减少到0跟随半余弦)。
last_epoch (:obj:`int ',` optional ',默认为-1):恢复训练时最后一个时期的索引。
返回:obj:`torch.optim.lr_scheduler。适当的时间表。
"""
def lr_lambda(current_step):
# Warmup
if current_step < num_warmup_steps:
return float(current_step) / float(max(1, num_warmup_steps))
# decadence
progress = float(current_step - num_warmup_steps) / float(
max(1, num_training_steps - num_warmup_steps)
)
return max(
0.0, 0.5 * (1.0 + math.cos(math.pi * float(num_cycles) * 2.0 * progress))
)
return LambdaLR(optimizer, lr_lambda, last_epoch)
pytorch提供了两类函数用于学习率调整
torch.optim.lr_scheduler: 根据学习率更新次数调整学习率
torch.optim.lr_scheduler.ReduceLROnPlateau:根据验证集的评价指标调整学习率
LambdaLR
torch.optim.lr_scheduler.LambdaLR(optimizer, lr_lambda, last_epoch=-1, verbose=False)
# 设置学习率为初始学习率乘以给定lr_lambda函数的值.
new_lr=lr_lambda(last_epoch) * base_lr
#当 last_epoch=-1时, base_lr为optimizer优化器中的lr每次执行 scheduler.step(), last_epoch=last_epoch +1
optimizer:优化器
lr_lambda:函数或者函数列表
last_epoch:默认为-1,学习率更新次数计数;注意断点训练时last_epoch不为-1
常用的Warmup预热学习率也可以依靠LambdaLR实现
def get_linear_schedule_with_warmup(optimizer, num_warmup_steps, num_training_steps, last_epoch=-1):
"""
Warmup预热学习率:先从一个较小的学习率线性增加至原来设置的学习率,再进行学习率的线性衰减
当 current_step < num_warmup_steps时,
new_lr =current_step/num_warmup_steps * base_lr
当current_step >= num_warmup_steps时,
new_lr =(num_training_steps - current_step) / (num_training_steps -num_warmup_steps) * base_lr
Args:
optimizer (:class:`~torch.optim.Optimizer`):
The optimizer for which to schedule the learning rate.
num_warmup_steps (:obj:`int`):
The number of steps for the warmup phase.
num_training_steps (:obj:`int`):
The total number of training steps.
last_epoch (:obj:`int`, `optional`, defaults to -1):
The index of the last epoch when resuming training.
Return:
:obj:`torch.optim.lr_scheduler.LambdaLR` with the appropriate schedule.
"""
def lr_lambda(current_step: int):
# 自定义函数
if current_step < num_warmup_steps:
return float(current_step) / float(max(1, num_warmup_steps))
return max(
0.0, float(num_training_steps - current_step) / float(max(1, num_training_steps - num_warmup_steps))
)
return LambdaLR(optimizer, lr_lambda, last_epoch)
7、Model Function
调用自定义model的forward部分,每遍历一个batch都要调用一次model_fn
import torch
def model_fn(batch, model, criterion, device):
"""Forward a batch through the model."""
mels, labels = batch
#print("model_fn_mels.size():",mels.size())
# out:torch.Size([16, 128, 40]) [batch_size,segment_len,40]
mels = mels.to(device)
labels = labels.to(device)
outs = model(mels)
loss = criterion(outs, labels)
# 获取概率最高的说话者id。
preds = outs.argmax(1)
# 计算准确度。
accuracy = torch.mean((preds == labels).float())
return loss, accuracy
8、Validate
计算验证集上的准确率
from tqdm import tqdm
import torch
def valid(dataloader, model, criterion, device):
"""在验证集上验证。"""
model.eval()
running_loss = 0.0
running_accuracy = 0.0
#验证集5667个
pbar = tqdm(total=len(dataloader.dataset), ncols=0, desc="Valid", unit=" uttr")
for i, batch in enumerate(dataloader):
with torch.no_grad():
loss, accuracy = model_fn(batch, model, criterion, device)
running_loss += loss.item()
running_accuracy += accuracy.item()
pbar.update(dataloader.batch_size)
pbar.set_postfix(
loss=f"{running_loss / (i+1):.2f}",
accuracy=f"{running_accuracy / (i+1):.2f}",
)
pbar.close()
model.train()
return running_accuracy / len(dataloader)
9、Main function
开始跑模型,这里与之前的作业有不同的地方。前几个作业是跑完一个epoch也就是完整训练集,再开始跑验证集。这里是跑valid_steps个batch,跑一遍验证集。
from tqdm import tqdm
import torch
import torch.nn as nn
from torch.optim import AdamW
from torch.utils.data import DataLoader, random_split
def parse_args():
"""arguments"""
config = {
"data_dir": "./Dataset",
"save_path": "model.ckpt",
"batch_size": 16,
"n_workers": 0,
"valid_steps": 2000,
"warmup_steps": 1000,
"save_steps": 10000,
"total_steps":100000,
}
return config
def main(
data_dir,
save_path,
batch_size,
n_workers,
valid_steps,
warmup_steps,
total_steps,
save_steps,
):
"""Main function."""
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
print(f"[Info]: Use {device} now!")
train_loader, valid_loader, speaker_num = get_dataloader(data_dir, batch_size, n_workers)
train_iterator = iter(train_loader) #iter()生成迭代器,以batch为单位
#print("train_iterator:",train_iterator) #<torch.utils.data.dataloader._SingleProcessDataLoaderIter object at 0x000001FD07C558D0>
print(f"[Info]: Finish loading data!",flush = True)
model = Classifier(n_spks=speaker_num).to(device)
criterion = nn.CrossEntropyLoss()
optimizer = AdamW(model.parameters(), lr=1e-3)
scheduler = get_cosine_schedule_with_warmup(optimizer, warmup_steps, total_steps) #上面定义的warm up函数
print(f"[Info]: Finish creating model!",flush = True)
best_accuracy = -1.0
best_state_dict = None
pbar = tqdm(total=valid_steps, ncols=0, desc="Train", unit=" step")
#train valid_steps个batch再跑验证集
for step in range(total_steps): #一共运行total_Steps轮,这里没有epoch的概念
# Get data
try:
batch = next(train_iterator) #next()返回迭代器的下一个项目,即下一个batch
#print("batch[0].size():",batch[0].size())
#out:torch.Size([16, 128, 40]) [batch_size,segment_len,40]
except StopIteration: # 不指定 default 且迭代器元素耗尽, 将引发 StopIteration 异常
train_iterator = iter(train_loader)
batch = next(train_iterator)
loss, accuracy = model_fn(batch, model, criterion, device) #计算当前batch的loss和acc
#print("loss:",loss) #tensor(6.3915, device='cuda:0', grad_fn=<NllLossBackward0>)
batch_loss = loss.item() # loss是张量,item()可以取出张量中的值
#print("batch_loss:",batch_loss) #batch_loss: 6.391468048095703
batch_accuracy = accuracy.item()
# Updata model 反向传播更新参数,每跑一个batch都会更新
loss.backward()
optimizer.step()
scheduler.step()
optimizer.zero_grad()
# Log
pbar.update() #打印当前loss和acc
pbar.set_postfix(
loss=f"{batch_loss:.2f}",
accuracy=f"{batch_accuracy:.2f}",
step=step + 1,
)
# Do validation
if (step + 1) % valid_steps == 0: #经过valid_steps开始跑验证集
pbar.close()
valid_accuracy = valid(valid_loader, model, criterion, device) #计算valid_acc
# keep the best model
if valid_accuracy > best_accuracy:
best_accuracy = valid_accuracy
best_state_dict = model.state_dict() #保存模型参数
pbar = tqdm(total=valid_steps, ncols=0, desc="Train", unit=" step")
# Save the best model so far.
if (step + 1) % save_steps == 0 and best_state_dict is not None: #每save_steps轮会保存一次当前最好模型
torch.save(best_state_dict, save_path)
pbar.write(f"Step {step + 1}, best model saved. (accuracy={best_accuracy:.4f})")
pbar.close()
if __name__ == "__main__":
main(**parse_args())