使用神经网络进行命名实体识别(二值词窗分类)
根据上下文窗口 建立词向量
通过一个神经网络层,通过一个逻辑分类器,得到这个概率是属于特定实体词的预测概率。
另一个分类器来比较说明 这个词是哪个实体类型(比较概率)
手工实现梯度下降
基础知识
雅可比矩阵:梯度的推广
- 给定一个具有 m m m 输出和 n n n 输入的函数:
f ( x ) = [ f 1 ( x 1 , x 2 , . . . , x n ) , . . . , f m ( x 1 , x 2 , . . . , x n ) ] \boldsymbol{f}(\boldsymbol{x})=[f_1(x_1,x_2,...,x_n),...,f_m(x_1,x_2,...,x_n)] f(x)=[f1(x1,x2,...,xn),...,fm(x1,x2,...,xn)] - 它的雅可比矩阵是一个 m × n m\times n m×n 偏导数矩阵:
∂ f ∂ x = [ ∂ f 1 ∂ x 1 ... ∂ f 1 ∂ x n ⋮ ⋱ ⋮ ∂ f m ∂ x 1 ... ∂ f m ∂ x n ] ( ∂ f ∂ x ) i j = ∂ f i ∂ x j \dfrac{\partial\boldsymbol{f}}{\partial\boldsymbol{x}}=\begin{bmatrix}\frac{\partial f_1}{\partial x_1}&\dots&\frac{\partial f_1}{\partial x_n}\\\vdots&\ddots&\vdots\\\frac{\partial f_m}{\partial x_1}&\dots&\frac{\partial f_m}{\partial x_n}\end{bmatrix} \color{red}{\boxed{\left(\frac{\partial f}{\partial x}\right)_{ij}=\frac{\partial f_i}{\partial x_j}}} ∂x∂f= ∂x1∂f1⋮∂x1∂fm...⋱...∂xn∂f1⋮∂xn∂fm (∂x∂f)ij=∂xj∂fi
链式法则
- 对于一变量函数的复合:乘导数
z = 3 y y = x 2 d z d x = d z d y d y d x = ( 3 ) ( 2 x ) = 6 x \begin{aligned} &z=3y \\ &y=x^{2} \\ &\begin{aligned}\frac{dz}{dx}=\frac{dz}{dy}\frac{dy}{dx}=(3)(2x)=6x\end{aligned} \end{aligned} z=3yy=x2dxdz=dydzdxdy=(3)(2x)=6x - 对于同时多个变量:乘以雅可比行列式
h = f ( z ) z = W x + b ∂ h ∂ x = ∂ h ∂ z ∂ z ∂ x = . . . \begin{aligned} &\boldsymbol{h}=f(\boldsymbol{z}) \\ &z=\boldsymbol{W}\boldsymbol{x}+\boldsymbol{b} \\ &\begin{aligned}\frac{\partial\boldsymbol{h}}{\partial\boldsymbol{x}}=\frac{\partial\boldsymbol{h}}{\partial\boldsymbol{z}}\frac{\partial\boldsymbol{z}}{\partial\boldsymbol{x}}=...\end{aligned} \end{aligned} h=f(z)z=Wx+b∂x∂h=∂z∂h∂x∂z=...
雅可比行列式示例:逐元素激活函数
h = f ( z ) , ∂ h ∂ z 是什么 ? h , z ∈ R n \boldsymbol{h}= f( \boldsymbol{z}) ,\ \, \frac {\partial\boldsymbol{h}}{\partial\boldsymbol{z}}是什么? \ \ \ \ \ \ \ \ h,z\in\mathbb{R}^n h=f(z), ∂z∂h是什么? h,z∈Rn h i = f ( z i ) h_i=f(z_i) hi=f(zi)
( ∂ h ∂ z ) i j = ∂ h i ∂ z j = ∂ ∂ z j f ( z i ) 雅可比行列式的定义 = { f ′ ( z i ) if i = j 0 if otherwise 常规的一个变量的导数 \begin{aligned} \left(\frac{\partial\boldsymbol{h}}{\partial\boldsymbol{z}}\right){ij}& =\frac{\partial h{i}}{\partial z_{j}}=\frac{\partial}{\partial z_{j}}f(z_{i}) \ \ \ \ \ \ 雅可比行列式的定义 \\ &=\begin{cases}f'(z_i)\quad\text{if }i=j\\0\quad \text{if otherwise}\end{cases} \ \ \ \ \ 常规的一个变量的导数 \end{aligned} (∂z∂h)ij=∂zj∂hi=∂zj∂f(zi) 雅可比行列式的定义={f′(zi)if i=j0if otherwise 常规的一个变量的导数
∂ h ∂ z = ( f ′ ( z 1 ) 0 ⋱ 0 f ′ ( z n ) ) = diag ( f ′ ( z ) ) \left.\frac{\partial\boldsymbol{h}}{\partial\boldsymbol{z}}=\left(\begin{array}{ccc}f'(z_1)&&0\\&\ddots&\\0&&f'(z_n)\end{array}\right.\right)=\operatorname{diag}(\boldsymbol{f'}(\boldsymbol{z})) ∂z∂h= f′(z1)0⋱0f′(zn) =diag(f′(z))
其他雅可比行列式
∂ ∂ x ( W x + b ) = W ∂ ∂ b ( W x + b ) = I (单位矩阵) ∂ ∂ u ( u T h ) = h T \begin{aligned} &\begin{aligned}\frac{\partial}{\partial\boldsymbol{x}}(\boldsymbol{W}\boldsymbol{x}+\boldsymbol{b})=\boldsymbol{W}\end{aligned} \\ &\begin{aligned}\frac{\partial}{\partial\boldsymbol{b}}(\boldsymbol{W}\boldsymbol{x}+\boldsymbol{b})&=\boldsymbol{I}&\text{(单位矩阵)}\end{aligned} \\ &\begin{aligned}\frac{\partial}{\partial\boldsymbol{u}}(\boldsymbol{u}^T\boldsymbol{h})=\boldsymbol{h}^T\end{aligned} \end{aligned} ∂x∂(Wx+b)=W∂b∂(Wx+b)=I(单位矩阵)∂u∂(uTh)=hT
回到神经网络
怎么计算 ∂ s ∂ b \frac{\partial s}{\partial b} ∂b∂s?
- 把等式拆解成简单的几个分块
- 应用链式法则
- 写下雅各比表达式
怎么计算 ∂ s ∂ w \frac{\partial s}{\partial w} ∂w∂s?
δ \delta δ 是局部误差符号,是固定的。
关于矩阵的导数:输出形状
雅可比公式表达: 如果有一个函数 y = f ( x ) ,其中 x 是一个向量, y 是一个向量, 则雅可比矩阵 J 的元素 J i j 表示 y i 对 x j 的偏导数。 雅可比公式表达:\\ 如果有一个函数 y = f(x),其中 x 是一个向量,y 是一个向量,\\ 则雅可比矩阵\ J\ 的元素\ J_{ij}\ 表示\ y_i\ 对\ x_j\ 的偏导数。 雅可比公式表达:如果有一个函数y=f(x),其中x是一个向量,y是一个向量,则雅可比矩阵 J 的元素 Jij 表示 yi 对 xj 的偏导数。
W ∈ R n × m W\in\mathbb{R}^{n\times m} W∈Rn×m , ∂ s ∂ W \frac{\partial s}{\partial W} ∂W∂s 的形状是:
- " 给定一个具有 m m m 输出和 n n n 输入的函数,它的雅可比矩阵是一个 m × n m\times n m×n 偏导数矩阵。"
- 1个输出, n × m n\times m n×m 个输入,得到的应该是 1 × n m 1\times nm 1×nm 的雅可比矩阵?一个很长的低向量
- 问题: 这样不方便更新参数 θ n e w = θ o l d − α ∇ θ J ( θ ) \theta^{new}=\theta^{old}-\alpha\nabla_\theta J(\theta) θnew=θold−α∇θJ(θ),都应该是 n × m n\times m n×m
- 解决: 脱离数学,使用形状约定 :导数的矩阵形状等于参数的矩阵形状
- ∂ s ∂ W \frac{\partial s}{\partial W} ∂W∂s 的形状是 n × m n\times m n×m
- [ ∂ s ∂ W 11 ⋯ ∂ s ∂ W 1 m ⋮ ⋱ ⋮ ∂ s ∂ W n 1 ⋯ ∂ s ∂ W n m ] \left.\left[\begin{matrix}\frac{\partial s}{\partial W_{11}}&\cdots&\frac{\partial s}{\partial W_{1m}}\\\vdots&\ddots&\vdots\\\frac{\partial s}{\partial W_{n1}}&\cdots&\frac{\partial s}{\partial W_{nm}}\end{matrix}\right.\right] ∂W11∂s⋮∂Wn1∂s⋯⋱⋯∂W1m∂s⋮∂Wnm∂s
b ∈ R n × 1 b\in\mathbb{R}^{n\times 1} b∈Rn×1 , ∂ s ∂ b \frac{\partial s}{\partial b} ∂b∂s 的形状是:
- ∂ s ∂ b = h T ∘ f ′ ( z ) \frac{\partial s}{\partial\boldsymbol{b}}=\boldsymbol{h}^T\circ f^{\prime}(z) ∂b∂s=hT∘f′(z) 是行向量
- 但是习惯上 梯度应该是一个列向量 因为 b b b 是一个列向量
雅可比矩阵形式(这使得链式法则很容易,对计算微积分很有意义) 和 形状约定(这使得SGD很容易实现)之间的分歧。
- 解决 :两个选择
- 尽量使用雅可比矩阵形式(不完全使用),最后按照形状约定进行整形
- 最后转置 ∂ s ∂ b \frac{\partial s}{\partial b} ∂b∂s 使导数成为列向量(而不是按照雅各比矩阵形式的行向量),
- 通过 δ T \delta^T δT 来实现,这样始终遵循形状约定。
- 一直遵循形状约定
- 查看维度,找出何时转置 和/或 重新排序项。
- 尽量使用雅可比矩阵形式(不完全使用),最后按照形状约定进行整形
关于矩阵的导数(按照雅各比矩阵形式)
∂ s ∂ W = δ ∂ z ∂ W \quad\frac{\partial s}{\partial W}=\boldsymbol{\delta}\frac{\partial z}{\partial W} ∂W∂s=δ∂W∂z
δ \delta δ 将出现在我们的答案中。
另一项应该是 x x x ,因为 z = W x + b z=Wx+b z=Wx+b
∂ s ∂ b = δ ∂ z ∂ b \quad\frac{\partial s}{\partial b}=\boldsymbol{\delta}\frac{\partial z}{\partial b} ∂b∂s=δ∂b∂z
δ \delta δ 将出现在我们的答案中。
另一项应该是 1 1 1 ,因为 z = W x + b z=Wx+b z=Wx+b
这表明 ∂ s ∂ W = δ T x T \frac{\partial s}{\partial W}=\boldsymbol{\delta}^T\boldsymbol{x}^T ∂W∂s=δTxT ∂ s ∂ b = δ T \frac{\partial s}{\partial b}=\boldsymbol{\delta}^T ∂b∂s=δT
δ \delta δ 是 z 处的局部误差信号
x 是本地输入信号
总结
反向传播
求导,使用链式法则
构建计算图
- 前向传播阶段
神经网络的基本附加元素是 发回梯度,告诉我们怎么更新模型的参数,使得模型在 获得损失函数后进行学习(最小化损失)。
- 反向传播阶段
- 反向传播:单个节点
- 反向传播:多个节点
- 一个例子
反向传播最后的结果体现 改变输入对输出的影响 ,上涨/减少这个变量的多少倍
开始计算
就像前面手动计算梯度下降那样
在一般的计算图中进行反向传播计算的流程
现在的深度学习神经网络框架(Tensorflow, PyTorch, etc...)可以自动做反向传播,但是主要让层/节点编写器手动计算局部导数。我们需要为图中的特定节点或层添加内容。
反向传播的具体实现
python
class ComputationalGraph(object):
#.....
def forward(inputs):
# 1.[pass inputs to input gates...]
# 2. forward the computational graph:
# 根据节点在计算图中的依赖关系对节点进行拓扑排序
for gate in self .graph.nodes_topologically_sorted():
gate.forward()
return loss # the final gate in the graph outputs the loss
def backward():
# 反转图的拓扑排序
for gate in reversed(self.graph.nodes_topologically_sorted()):
gate.backward() # little piece of backprop (chain rule applied)
return inputs_gradients
手动实现前向/后向API
总结
- 反向传播:下游梯度 = 上游梯度 * 局部梯度
- 前向传播计算出当前参数的值,然后进行反向传播以计算出损失的梯度(当前参数的损失)。
- 现在的深度学习神经网络框架(Tensorflow, PyTorch, etc...)可以自动做反向传播,我们不用知道具体是怎么操作的,就像我们使用gcc来编译c代码,但是我们不需要具体知道gcc是怎么操作的。