目录
🍨 本文为[🔗365天深度学习训练营]内部限免文章（版权归 *K同学啊* 所有）
🍖 作者：[K同学啊]
模型结构图：
📌 本周任务：
●理解文中代码逻辑并成功运行
●自定义输入一段英文文本进行预测（拓展内容，可自由发挥）
数据集介绍：
这是一个关于使用 Transformer 模型来预测文本序列中下一个单词的教程示例。
本文使用的是Wikitext-2数据集，WikiText 英语词库数据（The WikiText Long Term Dependency Language Modeling Dataset）是一个包含1亿个词汇的英文词库数据，这些词汇是从Wikipedia的优质文章和标杆文章中提取得到，包括WikiText-2和WikiText-103两个版本，相比于著名的 Penn Treebank (PTB) 词库中的词汇数量，前者是其2倍，后者是其110倍。每个词汇还同时保留产生该词汇的原始文章，这尤其适合当需要长时依赖(longterm dependency)自然语言建模的场景。
以下是关于Wikitext-2数据集的一些详细介绍：
1数据来源：Wikitext-2数据集是从维基百科抽取的，包含了维基百科中的文章文本。
2数据内容：Wikitext-2数据集包含维基百科的文章内容，包括各种主题和领域的信息。这些文章是经过预处理和清洗的，以提供干净和可用于训练的文本数据。
3数据规模：Wikitext-2数据集的规模相对较小。它包含了超过2,088,628个词标记（token）的文本，以及其中1,915,997个词标记用于训练，172,430个词标记用于验证和186,716个词标记用于测试。
4数据格式：Wikitext-2数据集以纯文本形式进行存储，每个文本文件包含一个维基百科文章的内容。文本以段落和句子为单位进行分割。
5用途：Wikitext-2数据集通常用于语言建模任务，其中模型的目标是根据之前的上下文来预测下一个词或下一个句子。此外，该数据集也可以用于其他文本生成任务，如机器翻译、摘要生成等。
一、定义模型
python
from tempfile import TemporaryDirectory
from typing import Tuple
from torch import nn, Tensor
from torch.nn import TransformerEncoder, TransformerEncoderLayer
from torch.utils.data import dataset
import math,os,torch
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
print(device)cuda
python
class TransformerModel(nn.Module):
def __init__(self, ntoken: int, d_model: int, nhead: int, d_hid: int,
nlayers: int, dropout: float = 0.5):
super().__init__()
self.model_type = 'Transformer'
self.pos_encoder = PositionalEncoding(d_model, dropout)
# 定义编码器层
encoder_layers = TransformerEncoderLayer(d_model, nhead, d_hid, dropout)
# 定义编码器，pytorch将Transformer编码器进行了打包，这里直接调用即可
self.transformer_encoder = TransformerEncoder(encoder_layers, nlayers)
self.embedding = nn.Embedding(ntoken, d_model)
self.d_model = d_model
self.linear = nn.Linear(d_model, ntoken)
self.init_weights()
# 初始化权重
def init_weights(self) -> None:
initrange = 0.1
self.embedding.weight.data.uniform_(-initrange, initrange)
self.linear.bias.data.zero_()
self.linear.weight.data.uniform_(-initrange, initrange)
def forward(self, src: Tensor, src_mask: Tensor = None) -> Tensor:
"""
Arguments:
src : Tensor, 形状为 [seq_len, batch_size]
src_mask: Tensor, 形状为 [seq_len, seq_len]
Returns:
输出的 Tensor, 形状为 [seq_len, batch_size, ntoken]
"""
src = self.embedding(src) * math.sqrt(self.d_model)
src = self.pos_encoder(src)
output = self.transformer_encoder(src, src_mask)
output = self.linear(output)
return output定义位置编码器PositionalEncoding，用于在Transformer模型中为输入的序列添加位置编码
python
class PositionalEncoding(nn.Module):
def __init__(self, d_model: int, dropout: float = 0.1, max_len: int = 5000):
super().__init__()
self.dropout = nn.Dropout(p=dropout)
# 生成位置编码的位置张量
position = torch.arange(max_len).unsqueeze(1)
# 计算位置编码的除数项
div_term = torch.exp(torch.arange(0, d_model, 2) * (-math.log(10000.0) / d_model))
# 创建位置编码张量
pe = torch.zeros(max_len, 1, d_model)
# 使用正弦函数计算位置编码中的奇数维度部分
pe[:, 0, 0::2] = torch.sin(position * div_term)
# 使用余弦函数计算位置编码中的偶数维度部分
pe[:, 0, 1::2] = torch.cos(position * div_term)
self.register_buffer('pe', pe)
def forward(self, x: Tensor) -> Tensor:
"""
Arguments:
x: Tensor, 形状为 [seq_len, batch_size, embedding_dim]
"""
# 将位置编码添加到输入张量
x = x + self.pe[:x.size(0)]
# 应用 dropout
return self.dropout(x)二、加载数据集
本教程用于torchtext生成 Wikitext-2 数据集。在此之前，你需要安装下面的包：
pip install portalocker
pip install torchdata
batchify()将数据排列成batch_size列。如果数据没有均匀地分成batch_size列，则数据将被修剪以适合。例如，以字母表作为数据（总长度为 26）和batch_size=4，我们会将字母表分成长度为 6 的序列，从而得到 4 个这样的序列。
python
from torchtext.datasets import WikiText2
from torchtext.data.utils import get_tokenizer
from torchtext.vocab import build_vocab_from_iterator
# 从torchtext库中导入WikiText2数据集
train_iter = WikiText2(split='train')
# 获取基本英语的分词器
tokenizer = get_tokenizer('basic_english')
# 通过迭代器构建词汇表
vocab = build_vocab_from_iterator(map(tokenizer, train_iter), specials=['<unk>'])
# 将默认索引设置为'<unk>'
vocab.set_default_index(vocab['<unk>'])
def data_process(raw_text_iter: dataset.IterableDataset) -> Tensor:
"""将原始文本转换为扁平的张量"""
data = [torch.tensor(vocab(tokenizer(item)),
dtype=torch.long) for item in raw_text_iter]
return torch.cat(tuple(filter(lambda t: t.numel() > 0, data)))
# 由于构建词汇表时"train_iter"被使用了，所以需要重新创建
train_iter, val_iter, test_iter = WikiText2()
# 对训练、验证和测试数据进行处理
train_data = data_process(train_iter)
val_data = data_process(val_iter)
test_data = data_process(test_iter)
# 检查是否有可用的CUDA设备，将设备设置为GPU或CPU
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
def batchify(data: Tensor, bsz: int) -> Tensor:
"""将数据划分为 bsz 个单独的序列，去除不能完全容纳的额外元素。
参数:
data: Tensor, 形状为``[N]``
bsz : int, 批大小
返回:
形状为 [N // bsz, bsz] 的张量
"""
seq_len = data.size(0) // bsz
data = data[:seq_len * bsz]
data = data.view(bsz, seq_len).t().contiguous()
return data.to(device)
# 设置批大小和评估批大小
batch_size = 20
eval_batch_size = 10
# 将训练、验证和测试数据进行批处理
train_data = batchify(train_data, batch_size) # 形状为 [seq_len, batch_size]
val_data = batchify(val_data, eval_batch_size)
test_data = batchify(test_data, eval_batch_size)data.view(bsz, seq_len).t().contiguous()详解如下：
- data.view(bsz, seq_len)：使用view方法将数据张量进行重塑，将其形状调整为(bsz, seq_len)，其中bsz是批大小，seq_len是序列长度。
- .t()：使用.t()方法对重塑后的张量进行转置操作，将原来的行转换为列，原来的列转换为行。这是因为在自然语言处理任务中，通常我们希望对一个批次中的多个句子进行并行处理，因此需要将句子排列为批次维度在前，序列维度在后的形式。
- .contiguous()：使用.contiguous()方法确保转置后的张量在内存中是连续存储的。在进行一些操作时，如转换为某些特定类型的张量或进行高效的计算，需要保证张量的内存布局是连续的。
python
bptt = 35
# 获取批次数据
def get_batch(source: Tensor, i: int) -> Tuple[Tensor, Tensor]:
"""
参数:
source: Tensor，形状为 ``[full_seq_len, batch_size]``
i : int， 当前批次索引
返回:
tuple (data, target)，
- data形状为 [seq_len, batch_size]，
- target形状为 [seq_len * batch_size]
"""
# 计算当前批次的序列长度，最大为bptt，确保不超过source的长度
seq_len = min(bptt, len(source) - 1 - i)
# 获取data，从i开始，长度为seq_len
data = source[i:i+seq_len]
# 获取target，从i+1开始，长度为seq_len，并将其形状转换为一维张量
target = source[i+1:i+1+seq_len].reshape(-1)
return data, target三、初始化实例
python
ntokens = len(vocab) # 词汇表的大小
emsize = 200 # 嵌入维度
d_hid = 200 # nn.TransformerEncoder 中前馈网络模型的维度
nlayers = 2 #nn.TransformerEncoder中的nn.TransformerEncoderLayer层数
nhead = 2 # nn.MultiheadAttention 中的头数
dropout = 0.2 # 丢弃概率
# 创建 Transformer 模型，并将其移动到设备上
model = TransformerModel(ntokens,
emsize,
nhead,
d_hid,
nlayers,
dropout).to(device)四、训练模型
我们将CrossEntropyLoss与SGD（随机梯度下降）优化器结合使用。学习率最初设置为 5.0 并遵循StepLR。在训练期间，我们使用nn.utils.clip_grad_norm_来防止梯度爆炸。
python
import time
criterion = nn.CrossEntropyLoss() # 定义交叉熵损失函数
lr = 5.0 # 学习率
# 使用随机梯度下降（SGD）优化器，将模型参数传入优化器
optimizer = torch.optim.SGD(model.parameters(), lr=lr)
# 使用学习率调度器，每隔1个epoch，将学习率按0.95的比例进行衰减
scheduler = torch.optim.lr_scheduler.StepLR(optimizer, 1.0, gamma=0.95)
def train(model: nn.Module) -> None:
model.train() # 开启训练模式
total_loss = 0.
log_interval = 200 # 每隔200个batch打印一次日志
start_time = time.time()
num_batches = len(train_data) // bptt # 计算总的batch数量
for batch, i in enumerate(range(0, train_data.size(0) - 1, bptt)):
data, targets = get_batch(train_data, i) # 获取当前batch的数据和目标
output = model(data) # 前向传播
output_flat = output.view(-1, ntokens)
loss = criterion(output_flat, targets) # 计算损失
optimizer.zero_grad() # 梯度清零
loss.backward() # 反向传播计算梯度
torch.nn.utils.clip_grad_norm_(model.parameters(), 0.5) # 对梯度进行裁剪，防止梯度爆炸
optimizer.step() # 更新模型参数
total_loss += loss.item() # 累加损失值
if batch % log_interval == 0 and batch > 0:
lr = scheduler.get_last_lr()[0] # 获取当前学习率
# 计算每个batch的平均耗时
ms_per_batch = (time.time() - start_time) * 1000 / log_interval
cur_loss = total_loss / log_interval # 计算平均损失
ppl = math.exp(cur_loss) # 计算困惑度
# 打印日志信息
print(f'| epoch {epoch:3d} | {batch:5d}/{num_batches:5d} batches | '
f'lr {lr:02.2f} | ms/batch {ms_per_batch:5.2f} | '
f'loss {cur_loss:5.2f} | ppl {ppl:8.2f}')
total_loss = 0 # 重置损失值
start_time = time.time() # 重置起始时间
def evaluate(model: nn.Module, eval_data: Tensor) -> float:
model.eval() # 开启评估模式
total_loss = 0.
with torch.no_grad():
for i in range(0, eval_data.size(0) - 1, bptt):
data, targets = get_batch(eval_data, i) # 获取当前batch的数据和目标
seq_len = data.size(0) # 序列长度
output = model(data) # 前向传播
output_flat = output.view(-1, ntokens)
total_loss += seq_len * criterion(output_flat, targets).item() # 计算总损失
return total_loss / (len(eval_data) - 1) # 返回平均损失math.exp(cur_loss)是使用数学模块中的 exp() 函数来计算当前损失对应的困惑度值。在这个上下文中，cur_loss 是当前的平均损失值，math.exp() 函数会将其作为指数的幂次，返回 e 的 cur_loss 次方。这个操作是为了计算困惑度（Perplexity），困惑度是一种评估语言模型好坏的指标，通常用于衡量模型对于给定输入数据的预测能力。困惑度越低，表示模型的预测能力越好。
python
best_val_loss = float('inf') # 初始最佳验证损失为无穷大
epochs = 1 # 训练的总轮数
with TemporaryDirectory() as tempdir: # 创建临时目录来保存最佳模型参数
# 最佳模型参数的保存路径
best_model_params_path = os.path.join(tempdir, "best_model_params.pt")
for epoch in range(1, epochs + 1): # 遍历每个epoch
epoch_start_time = time.time() # 记录当前epoch开始的时间
train(model) # 进行模型训练
val_loss = evaluate(model, val_data) # 在验证集上评估模型性能，计算验证损失
val_ppl = math.exp(val_loss) # 计算困惑度
elapsed = time.time() - epoch_start_time # 计算当前epoch的耗时
print('-' * 89)
# 打印当前epoch的信息，包括耗时、验证损失和困惑度
print(f'| end of epoch {epoch:3d} | time: {elapsed:5.2f}s | '
f'valid loss {val_loss:5.2f} | valid ppl {val_ppl:8.2f}')
print('-' * 89)
if val_loss < best_val_loss: # 如果当前验证损失比最佳验证损失更低
best_val_loss = val_loss # 更新最佳验证损失
# 保存当前模型参数为最佳模型参数
torch.save(model.state_dict(), best_model_params_path)
scheduler.step() # 更新学习率
# 加载最佳模型参数，即加载在验证集上性能最好的模型
model.load_state_dict(torch.load(best_model_params_path))
五、评估模型
python
test_loss = evaluate(model, test_data)
test_ppl = math.exp(test_loss)
print('=' * 89)
print(f'| End of training | test loss {test_loss:5.2f} | '
f'test ppl {test_ppl:8.2f}')
print('=' * 89)