bert层次位置编码

今天学习了bert之中的层次位置编码，感觉可以很好地用到maxlen超出512的部分苏神的层次位置编码
公式$q_{i\ast n+j}=\alpha u_i+(1-\alpha )u_j$
这里的初始alpha最好设定为0.4，也就是说0～511的位置编码不变，从第512的时候，对应的坐标为(1,0)，计算公式为512/512 = 1,512%512 = 0，接下来计算公式
$q_{512}=0.4\ast u_1+0.6\ast u_0$，同理$q_{513}=0.4\ast u_1+0.6\ast u_1$，后面的内容以此类推，
使用pythonicforbert调用层次位置编码的代码

maxlen = 500
batch_size = 4
origin_max_position_embeddings = config.max_position_embeddings
config.max_position_embeddings = maxlen
config.with_mlm = False
if maxlen > origin_max_position_embeddings:
    model_data = model.state_dict()
    roberta = Roberta(config)
    roberta = get_data(roberta,'/home/xiaoguzai/模型/hated-roberta/pytorch_model.bin')
    model = ClassificationModel(roberta,config,1)
    current_position_embedding = model_data['model.robertaembeddings.position_embeddings_layer.weight']
    new_position_embedding = current_position_embedding
    for currentindex in range(origin_max_position_embeddings,maxlen):
        index1 = currentindex//origin_max_position_embeddings-1
        index2 = currentindex%origin_max_position_embeddings
        embedding_data = 0.4*new_position_embedding[index1]+0.6*new_position_embedding[index2]
        embedding_data = torch.tensor([embedding_data.tolist()])
        new_position_embedding = torch.cat((new_position_embedding,embedding_data),0)
    print('new_position_embedding = ')
    print(new_position_embedding.size())
    model_data['model.robertaembeddings.position_embeddings_layer.weight'] = new_position_embedding
    model.load_state_dict(model_data)

有的时候maxlen更长效果不好并不一定是位置编码的原因，而可能是因为学到了更多无用的信息。