©PaperWeekly 原创 · 作者|苏剑林
单位|追一科技
研究方向|NLP、神经网络
本文我们继续之前的变分自编码器系列,分析一下如何防止 NLP 中的 VAE 模型出现“KL 散度消失(KL Vanishing)”现象。本文受到参考文献是 ACL 2020 的论文 A Batch Normalized Inference Network Keeps the KL Vanishing Away [1] 的启发,并自行做了进一步的完善。
值得一提的是,本文最后得到的方案还是颇为简洁的——只需往编码输出加入BN(Batch Normalization),然后加个简单的 scale——但确实很有效,因此值得正在研究相关问题的读者一试。同时,相关结论也适用于一般的 VAE 模型(包括 CV 的),如果按照笔者的看法,它甚至可以作为 VAE 模型的“标配”。
最后,要提醒读者这算是一篇 VAE 的进阶论文,所以请读者对 VAE 有一定了解后再来阅读本文。
VAE简单回顾
这里我们简单回顾一下 VAE 模型,并且讨论一下 VAE 在 NLP 中所遇到的困难。关于 VAE 的更详细介绍,请读者参考笔者的旧作变分自编码器 VAE:原来是这么一回事、再谈变分自编码器 VAE:从贝叶斯观点出发等。
1.1 VAE的训练流程
VAE 的训练流程大概可以图示为:
▲ VAE训练流程图示
写成公式就是:
其中第一项就是重构项, 是通过重参数来实现;第二项则称为 KL 散度项,这是它跟普通自编码器的显式差别,如果没有这一项,那么基本上退化为常规的 AE。更详细的符号含义可以参考再谈变分自编码器 VAE:从贝叶斯观点出发。
1.2 NLP中的VAE
在 NLP 中,句子被编码为离散的整数 ID,所以 q(x|z) 是一个离散型分布,可以用万能的“条件语言模型”来实现,因此理论上 q(x|z) 可以精确地拟合生成分布,问题就出在 q(x|z) 太强了,训练时重参数操作会来噪声,噪声一大,z 的利用就变得困难起来,所以它干脆不要 z 了,退化为无条件语言模型(依然很强), 则随之下降到 0,这就出现了 KL 散度消失现象。
这种情况下的 VAE 模型并没有什么价值:KL 散度为 0 说明编码器输出的是 0 向量,而解码器则是一个普通的语言模型。而我们使用 VAE 通常来说是看中了它无监督构建编码向量的能力,所以要应用 VAE 的话还是得解决 KL 散度消失问题。
事实上从 2016 开始,有不少工作在做这个问题,相应地也提出了很多方案,比如退火策略、更换先验分布等,读者 Google 一下“KL Vanishing”就可以找到很多文献了,这里不一一溯源。
1.3 BN的巧与秒
本文的方案则是直接针对 KL 散度项入手,简单有效而且没什么超参数。其思想很简单:
KL 散度消失不就是 KL 散度项变成 0 吗?我调整一下编码器输出,让 KL 散度有一个大于零的下界,这样它不就肯定不会消失了吗?
这个简单的思想的直接结果就是:在 后面加入 BN 层,如图:
▲ 往VAE里加入BN
1.4 推导过程简述
为什么会跟 BN 联系起来呢?我们来看 KL 散度项的形式:
上式是采样了 b 个样本进行计算的结果,而编码向量的维度则是 d 维。由于我们总是有