机器学习- Attention Model结构解释及其应用

• 概述

Attention Model 的出现，在sequence model的领域中算是一个跨时代的事件。在Many-to-Many的sequence model中，在decoder network中的每一个time step的输出应该跟encoder network中的不同的time step的值的联系度是不一样的；举个例子，如果咱们将一段中文翻译成英文，如果用传统的Many-to-Many的结构的sequence model来做的话，如果是句子的长度不长的话，咱们的结果准确度也不会很差，但是如果是一段较长的句子的话，咱们的LSTM 中的记忆的Hidden state不能记忆太多的信息，从而导致了咱们的结果可能很差，那么这个时候就很需要咱们的Attention Model啦， 具体的它是如何做到将decoder network中的输出跟encoder network中的每一个time step的值联系的，是咱们这节内容的重点，同时咱们这一节也会中代码实现这个attention model的过程。

 

• Attention Model的结构分析

Attention Model是由2层LSTM组成的，这2层LSTM layer并不是直接相连的，而是通过Attention简介的将2个LSTM layer连接在一起，这一步的分析咱们分成2个阶段：第一步先分析整体的Attention Model的结构；第二步再分析分析具体的Attention的内部结构。首先咱们先看一下Attention Model的整体结构，如下图所示

 

 这一步咱们通过演示一个Attention的例子来展示一个Attention model的整体结构，咱们可以看出来Attention Model是由Pre-LSTM layer, Post-LSTM layer, Attention三个主要模块组成的，这里有个细节上图中画错了，大家注意一下，那就是Pre-LSTM layer是Bi-directional的而不是上图的画的那样forward feed的network。每一个time step的Post-LSTM都对应一个相应的Attention， 每一个Attention的输入都由以下两个部分组成：Post-LSTM 前一个time step的hidden state- s 和  Pre-LSTM中所有time step的输出； 这两个部分共同决定了一个Attention Unit的输出Context，最终这个Context又会最为Post-LSTM的输入，从而最终影响着咱们Attention Model的输出。咱们从上面的分析可以很清楚的看出咱们的Attention Model的一个整体的结构，那么接下来咱们再来看一下每一个Attention里面的细节部分

 

从上图的Attention的结构咱们可以看出来，咱们需要先将t-1步的hidden state 通过repeator去复制Tx份，然后将这些repeator的结构和咱们的输入X 去拼接，生成一个（batch_size, Tx, n_a+n_s）维度的数据，并且将这些数据输入到2层Fully connected 的dense layer中，输出的结果是（batch_size, Tx, 1）的数据结构，最后将这些数据输入到一个softmax layer中，生成一个装有咱们对于每一个Pre-LSTM权重，这些权重之和是1，dimension是（batch_size, Tx）; 最后咱们用相应的权重乘以相应的time step 的Pre-LSTM的hidden state，最终生成了咱们的Context，Context的dimension是（batch_size, n_a）。上面的两步共同决定了咱们Attention Model的结构，那么接下来的任务就是实现，用代码来构建上面的Attention Model的结构。

 

• Attention Model的代码实现

既然上面的结构分析以及展示了咱们Attention Model的细节结构，那么咱在实现上图中的结构也是要分成2部分，第一部分就是用代码构建一个Attention Unit的结构；第二部分就是用代码来构建咱们Attention Model的整体结构。接下来咱们先来看一下构建Attention Model的中的Attention的实现过程，代码如下：

def one_step_attention(a, s_pre):
    
    """
    Performs one step of attention: Outputs a context vector computed as a dot product of the attention weights
    "alphas" and the hidden states "a" of the Bi-LSTM.
    
    Arguments:
    a -- hidden state output of the Bi-LSTM, numpy-array of shape (m, Tx, 2*n_a)
    s_prev -- previous hidden state of the (post-attention) LSTM, numpy-array of shape (m, n_s)
    
    Returns:
    context -- context vector, input of the next (post-attention) LSTM cell
    """

    # Use repeator to repeat s_prev to be of shape (m, Tx, n_s) so that you can concatenate it with all hidden states "a"
    s_pre = repeator(s_pre)
    # Use concatenator to concatenate a and s_prev on the last axis 
    # For grading purposes, please list 'a' first and 's_prev' second, in this order.
    concat = concatenator([a,s_pre])
    # Use densor1 to propagate concat through a small fully-connected neural network to compute the "intermediate energies" variable e.
    e = densor1(concat)
    # Use densor2 to propagate e through a small fully-connected neural network to compute the "energies" variable energies. (≈1 lines)
    energies = densor2(e)
    # Use "activator" on "energies" to compute the attention weights "alphas" 
    alphas = activator(energies)
    # Use dotor together with "alphas" and "a" to compute the context vector to be given to the next (post-attention) LSTM-cell 
    context = dotor([alphas,a])
    
    return context

注意上图中的repeator, concatenator, densor1, densor2, activator, dotor等等都是在上面函数体外面实例化好了的，他们都是Keras的layer，在这里因为篇幅的原因，我就没有写出来了，这里我主要展示的是Attention Model的结构的构建，而忽略了一些细节处理的部分。上面代码展示了一个attention unit如何将pre-LSTM的每一步的输出转化成post-LSTM的输入的；既然有了这个输入，那么咱们就来看一下咱们如何来实现这个整体的attention model的结构吧

def model(Tx, Ty, n_a, n_s):
    
    X = tf.keras.layers.Input(shape=(Tx,vocab_dimension))
    s0 = tf.keras.layers.Input(shape = (n_s,))
    c0 = tf.keras.layers.Input(shape = (n_s,))
    s = s0
    c = c0
    
    a = Bidirectional(LSTM(n_a, return_sequence = True))(X)
    
    outputs = []
    
    for i in range(Ty):
        
        context = one_step_attention(a, s)
        
        s,_,c = post_lstm_cell(context, initial_state = [s,c])
        
        output = output_layer(s)
        
        outputs.append(output)
        
    model = Model(inputs = [X,s0,c0], outputs = outputs)
    
    return model