IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 人工智能 -> BERT简化版源码,可以直接跑的那种 -> 正文阅读

[人工智能]BERT简化版源码,可以直接跑的那种

import jieba
import torch
import math
import numpy as np

from collections import Counter
from torch.utils.data import DataLoader
from random import randrange, shuffle, random, randint
from torch import nn
from torch import optim

SAMPLE_COUNT = 40
PRED_MAX = 5
PAD_LEN = 60
BATCH_SIZE = 4
HIDDEN_DIM = 100
HEAD_COUNT = 8
HEAD_DIM = 8
BLOCK_COUNT = 6
EPOCHS = 100

text = [
? ? 'Hello, how are you? I am Romeo.',
? ? 'Hello, Romeo My name is Juliet. Nice to meet you.',
? ? 'Nice meet you too. How are you today?',
? ? 'Great. My baseball team won the competition.',
? ? 'Oh Congratulations, Juliet',
? ? 'Thank you Romeo.',
? ? 'Where are you going today?',
? ? 'I am going shopping. What about you?',
? ? 'I am going to visit my grandmother. she is not very well.'
]


def space(array):
? ? return [x for x in array if x != ' ']


""" 构建词典 """

paragraph = ' '.join(text)
counter = Counter(space(jieba.lcut(paragraph))).most_common()

word2id, id2word = dict(), dict()
word2id['_cls_'] = 0
word2id['_sep_'] = 1
word2id['_mask_'] = 2
word2id['_pad_'] = 3
for i, (w, freq) in enumerate(counter):
? ? word2id[w] = i + 4
for key, value in word2id.items():
? ? id2word[value] = key

""" 构建数据集 """

ids = list()
for t in text:
? ? ids.append([word2id[w] for w in space(jieba.lcut(t))])

dataset = list()
positive = negative = 0
while not(positive == SAMPLE_COUNT/2 and negative == SAMPLE_COUNT/2):
? ? idx_up, idx_down = randrange(len(text)), randrange(len(text))
? ? ids_up, ids_down = ids[idx_up], ids[idx_down]

? ? insert = {'word': [word2id['_cls_']] + ids_up + [word2id['_sep_']] + ids_down + [word2id['_sep_']],
? ? ? ? ? ? ? 'segment': [0] * (1 + len(ids_up) + 1) + [1] * (len(ids_down) + 1),
? ? ? ? ? ? ? 'position': list(range(PAD_LEN))}

? ? """ 掩码 """
? ? pred_count = min(PRED_MAX, max(1, int(len(insert['word']) * 0.15)))
? ? idx_maskable = [idx for idx, ids in enumerate(insert['word'])
? ? ? ? ? ? ? ? ? ? if ids != word2id['_cls_'] and ids != word2id['_sep_']]
? ? shuffle(idx_maskable)
? ? ids_masked, idx_masked = list(), list()
? ? for idx in idx_maskable[:pred_count]:
? ? ? ? idx_masked.append(idx)
? ? ? ? ids_masked.append(insert['word'][idx])
? ? ? ? if random() < 0.8:
? ? ? ? ? ? insert['word'][idx] = word2id['_mask_']
? ? ? ? elif random() > 0.9:
? ? ? ? ? ? ids_rand = randint(0, len(word2id) - 1)
? ? ? ? ? ? while ids_rand < 4:
? ? ? ? ? ? ? ? ids_rand = randint(0, len(word2id) - 1)
? ? ? ? ? ? insert['word'][idx] = ids_rand

? ? """ 矩阵化 """
? ? if PRED_MAX > pred_count:
? ? ? ? pad_count = PRED_MAX - pred_count
? ? ? ? idx_masked.extend([0] * pad_count)
? ? ? ? ids_masked.extend([0] * pad_count)

? ? """ 填充 """
? ? pad_count = PAD_LEN - len(insert['word'])
? ? if len(insert['word']) < PAD_LEN:
? ? ? ? insert['word'].extend([word2id['_pad_']] * pad_count)
? ? ? ? insert['segment'].extend([0] * pad_count)
? ? else:
? ? ? ? insert['word'] = insert['word'][:PAD_LEN]
? ? ? ? insert['segment'] = insert['segment'][:PAD_LEN]

? ? assert len(insert['word']) == PAD_LEN and len(insert['segment']) == PAD_LEN and len(insert['position']) == PAD_LEN

? ? """ 分类 """
? ? if idx_up + 1 == idx_down and positive < SAMPLE_COUNT/2:
? ? ? ? dataset.append([insert, idx_masked, ids_masked, 1])
? ? ? ? positive += 1
? ? elif idx_up + 1 != idx_down and negative < SAMPLE_COUNT/2:
? ? ? ? dataset.append([insert, idx_masked, ids_masked, 0])
? ? ? ? negative += 1


def pack(batch):
? ? _word, _segment, _position, _idx_mask, _ids_mask, _label = list(), list(), list(), list(), list(), list()
? ? for sample in batch:
? ? ? ? _word.append(sample[0]['word'])
? ? ? ? _segment.append(sample[0]['segment'])
? ? ? ? _position.append(sample[0]['position'])
? ? ? ? _idx_mask.append(sample[1])
? ? ? ? _ids_mask.append(sample[2])
? ? ? ? _label.append(sample[3])

? ? return torch.tensor(_word), torch.tensor(_segment), torch.tensor(_position), \
? ? ? ? ? ?torch.tensor(_idx_mask), torch.tensor(_ids_mask), torch.tensor(_label)


loader = DataLoader(dataset, shuffle=True, batch_size=BATCH_SIZE, collate_fn=pack)

""" 构建模型 """


def gelu(x):
? ? return x * 0.5 * (1.0 + torch.erf(x / math.sqrt(2.0)))


class BERT(nn.Module):
? ? def __init__(self):
? ? ? ? super(BERT, self).__init__()
? ? ? ? self.emb_word = nn.Embedding(len(word2id), HIDDEN_DIM)
? ? ? ? self.emb_segment = nn.Embedding(2, HIDDEN_DIM)
? ? ? ? self.emb_position = nn.Embedding(PAD_LEN, HIDDEN_DIM)
? ? ? ? self.norm = nn.LayerNorm(HIDDEN_DIM)

? ? ? ? self.Q = nn.Linear(HIDDEN_DIM, HEAD_COUNT * HEAD_DIM)
? ? ? ? self.K = nn.Linear(HIDDEN_DIM, HEAD_COUNT * HEAD_DIM)
? ? ? ? self.V = nn.Linear(HIDDEN_DIM, HEAD_COUNT * HEAD_DIM)

? ? ? ? self.mix = nn.Linear(HEAD_COUNT * HEAD_DIM, HIDDEN_DIM)

? ? ? ? self.layer = nn.Sequential(
? ? ? ? ? ? nn.Linear(HIDDEN_DIM, HIDDEN_DIM),
? ? ? ? ? ? nn.Dropout(0.4),
? ? ? ? ? ? nn.Tanh()
? ? ? ? )
? ? ? ? self.classifier = nn.Linear(HIDDEN_DIM, 2)

? ? ? ? self.fc1 = nn.Linear(HIDDEN_DIM, HIDDEN_DIM)
? ? ? ? self.fc2 = nn.Linear(HIDDEN_DIM, len(word2id))

? ? def forward(self, _word, _segment, _position, idx_mask):
? ? ? ? """ 词嵌入 """
? ? ? ? emb = self.norm(self.emb_word(_word) + self.emb_segment(_segment) + self.emb_position(_position))

? ? ? ? for _ in range(BLOCK_COUNT):

? ? ? ? ? ? """ 门掩码 """
? ? ? ? ? ? door_masked = word.eq(word2id['_pad_'])

? ? ? ? ? ? """ 特征向量 & 扩展到多头 """
? ? ? ? ? ? q = self.Q(emb).reshape(BATCH_SIZE, HEAD_COUNT, PAD_LEN, HEAD_DIM)
? ? ? ? ? ? k = self.K(emb).reshape(BATCH_SIZE, HEAD_COUNT, PAD_LEN, HEAD_DIM)
? ? ? ? ? ? v = self.V(emb).reshape(BATCH_SIZE, HEAD_COUNT, PAD_LEN, HEAD_DIM)

? ? ? ? ? ? door_masked = door_masked.reshape(BATCH_SIZE, 1, 1, PAD_LEN).repeat(1, HEAD_COUNT, PAD_LEN, 1)

? ? ? ? ? ? """ 计算门 """
? ? ? ? ? ? door = torch.matmul(q, k.transpose(-1, -2)) / np.sqrt(HIDDEN_DIM)
? ? ? ? ? ? door = door.masked_fill(door_masked, -1e5)
? ? ? ? ? ? door = nn.Softmax(dim=-1)(door)

? ? ? ? ? ? """ 计算值 """
? ? ? ? ? ? res = torch.matmul(door, v)

? ? ? ? ? ? """ 多头融合 """
? ? ? ? ? ? res = res.transpose(1, 2).reshape(BATCH_SIZE, PAD_LEN, HEAD_COUNT * HEAD_DIM)
? ? ? ? ? ? res = self.mix(res)

? ? ? ? ? ? """ 后处理 """
? ? ? ? ? ? emb = self.norm(emb + res)

? ? ? ? prob = self.classifier(self.layer(emb[:, 0]))

? ? ? ? """ 矩阵格式化提取 """
? ? ? ? form = idx_mask.reshape(BATCH_SIZE, PRED_MAX, 1).repeat(1, 1, HIDDEN_DIM)
? ? ? ? vec_mask1 = torch.gather(emb, 1, form)

? ? ? ? """ 矩阵化排除 """
? ? ? ? vec_mask2 = list()
? ? ? ? for s in range(idx_mask.size(0)):
? ? ? ? ? ? for k in range(idx_mask.size(1)):
? ? ? ? ? ? ? ? if idx_mask[s][k] == 0: continue
? ? ? ? ? ? ? ? vec_mask2.append(vec_mask1[s][k].tolist())
? ? ? ? vec_mask2 = torch.tensor(vec_mask2)

? ? ? ? vec_mask = self.fc2(gelu(self.fc1(vec_mask2)))

? ? ? ? return prob, vec_mask


model = BERT()
criterion = nn.CrossEntropyLoss()
optimizer = optim.Adam(model.parameters(), lr=1e-4)

for i in range(EPOCHS):
? ? for j, (word, segment, position, idx_masked, ids_masked, label) in enumerate(loader):

? ? ? ? probability, vec_masked = model(word, segment, position, idx_masked)

? ? ? ? """ 矩阵化排除 """
? ? ? ? ids_masked = ids_masked.flatten().tolist()
? ? ? ? ids_masked = torch.tensor([x for x in ids_masked if x != 0])

? ? ? ? loss1 = criterion(probability, label)
? ? ? ? loss2 = criterion(vec_masked, ids_masked)
? ? ? ? loss = loss1 + loss2

? ? ? ? optimizer.zero_grad()
? ? ? ? loss.backward()
? ? ? ? optimizer.step()

? ? ? ? print("Epoch: {:d}, Batch: {:d}, Loss: {:4f}".format(i, j, loss))
? ? print("Epoch {:d} finished".format(i))

  人工智能 最新文章
2022吴恩达机器学习课程——第二课(神经网
第十五章 规则学习
FixMatch: Simplifying Semi-Supervised Le
数据挖掘Java——Kmeans算法的实现
大脑皮层的分割方法
【翻译】GPT-3是如何工作的
论文笔记:TEACHTEXT: CrossModal Generaliz
python从零学(六)
详解Python 3.x 导入(import)
【答读者问27】backtrader不支持最新版本的
上一篇文章      下一篇文章      查看所有文章
加:2021-10-04 12:51:04  更:2021-10-04 12:52:33 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/27 10:38:47-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码