李宏毅2023机器学习作业HW05解析和代码分享

ML2023Spring - HW5 相关信息：
课程主页
课程视频
Sample code
HW05 视频
HW05 PDF

个人完整代码分享: GitHub | Gitee | GitCode
运行日志记录: wandb

P.S. HW05/06 是在 Judgeboi 上提交的，完全遵循 hint 就可以达到预期效果。

因为无法在 Judgeboi 上提交，所以 HW05/06 代码仓库中展示的是在验证集上的分数。

每年的数据集 size 和 feature 并不完全相同，但基本一致，过去的代码仍可用于新一年的 Homework。

仓库中 HW05 的代码分成了英文 EN 和中文 ZH 两个版本。

（碎碎念：翻译比较麻烦，所以之后的 Homework 代码暂只有英文版本）

任务目标（seq2seq）

• Machine translation 机器翻译，英译中

性能指标（BLEU）

参考链接：

BLEU: a Method for Automatic Evaluation of Machine Translation

Foundations of NLP Explained — Bleu Score and WER Metrics

BLEU（Bilingual Evaluation Understudy） 双语评估替换

公式：
$$\text{BLEU}=BP\cdot \exp {\left(\sum _{n=1}^N{w}_{n}log{p}_n\right)}^{\frac{1}{N}}$$
首先要明确两个概念

1. N-gram
   用来描述句子中的一组 n 个连续的单词。比如，“Thank you so much” 中的 n-grams:

   • 1-gram: “Thank”, “you”, “so”, “much”
   • 2-gram: “Thank you”, “you so”, “so much”
   • 3-gram: “Thank you so”, “you so much”
   • 4-gram: “Thank you so much”

   需要注意的一点是，n-gram 中的单词是按顺序排列的，所以 “so much Thank you” 不是一个有效的 4-gram。

2. 精确度（Precision）
   精确度是 Candidate text 中与 Reference text 相同的单词数占总单词数的比例。 具体公式如下：
   $ \text{Precision} = \frac{\text{Number of overlapping words}}{\text{Total number of words in candidate text}} $
   比如：
   Candidate: Thank you so much, Chris
   Reference: Thank you so much, my brother
   这里相同的单词数为4，总单词数为5，所以 $\text{Precision}=\frac{4}{5}$
   但存在一个问题：

   • Repetition 重复

     Candidate: Thank Thank Thank
     Reference: Thank you so much, my brother

     此时的 $\text{Precision}=\frac{3}{3}$

解决方法：Modified Precision

很简单的思想，就是匹配过的不再进行匹配。

Candidate: Thank Thank Thank
Reference: Thank you so much, my brother

${\text{Precision}}_1=\frac{1}{3}$

• 具体计算如下：

  $Coun{t}_{clip}=\min (Count,Max\_Ref\_Count)=\min (3,1)=1$
  $ p_n = \frac{\sum_{\text{n-gram}} Count_{clip}}{\sum_{\text{n-gram}} Count} = \frac{1}{3}$

现在还存在一个问题：译文过短

Candidate: Thank you
Reference: Thank you so much, my brother

$p_1=\frac{2}{2}=1$

这里引出了 brevity penalty，这是一个惩罚因子，公式如下：

$$BP=\{\begin{array}{ll}1& \text{if}c>r\\ e^{1-\frac{r}{c}}& \text{if}c\le r\end{array}$$

其中 c 是 candidate 的长度，r 是 reference 的长度。

当候选译文的长度 c 等于参考译文的长度 r 的时候，BP = 1，当候选翻译的文本长度较短的时候，用 $e^{1-\frac{r}{c}}$ 作为 BP 值。

回到原来的公式：$ \text{BLEU} = BP \cdot \exp\left( \sum_{n=1}^{N} w_n log\ p_n\right)^{\frac{1}{N}}$，汇总一下符号定义：

• $BP$ 文本长度的惩罚因子
• $N$ n-gram 中 n 的最大值，作业中设置为 4。
• $w_n$ 权重
• $p_n$ n-gram 的精度 (precision)

数据解析

• Paired data
  • TED2020: 演讲
    • Raw: 400,726 (sentences)
    • Processed: 394, 052 (sentences)
  • 英文和中文两个版本
• Monolingual data
  • 只有中文版本的 TED 演讲数据

Baselines

这里存在一个问题，就是HW05是在 Judgeboi 上进行提交的，所以没办法获取最终的分数，所以简单的使用 simple baseline 对应的 validate BLEU 来做个映射。

因为有 EN / ZH 两个版本，对于每个 hint 我会给出代码的修改位置方便大家索引。

Simple baseline (15.05)

• 运行所给的 sample code

Medium baseline (18.44)

• 增加学习率的调度 (Optimizer: Adam + lr scheduling / 优化器: Adam + 学习率调度)
• 训练得更久 (Configuration for experiments / 实验配置)
  这里根据预估的时间，可以简单的将 epoch 设置为原来的两倍。

Strong baseline (23.57)

• 将模型架构转变为 Transformer (Model Initialization / 模型初始化)
• 调整超参数 (Architecture Related Configuration / 架构相关配置)
  这里需要参考 Attention is all you need 论文中 table 3 的 transformer-base 超参数设置。
  

你可以仅遵循 sample code 的注释，将 encoder_layer 和 decoder_layer 改为 4（简单的将这一个改动称之为 transformer_4layer），此时模型的参数数量会和之前的 RNN 差不多，在 max_epoch =30 的情况下，Bleu 可以达到 23.59。

代码仓库中分享的 Strong 代码完全遵循了 transformer-base 的超参数设置，此时的模型参数将约为之前 RNN 的 5 倍，每一轮训练的时间约为 transform_4layer 的三倍，所以我将 max_epoch 设置为了 10，让其能够匹配上预估的时间，此时的 Bleu 为 24.91。如果将 max_epoch 设置为 30，最终的 Bleu 可以达到 27.48。

下面是二者实验对比。

Boss baseline (30.08)

• 应用 back-translation (TODO)

  这里我们需要交换实验配置 config 中的 source_lang 和 target_lang，并修改 savedir，训练一个 back-translation 模型后再修改回原来的 config。

  然后你需要将 TODO 的部分完善，修改并复用之前的函数就可以达到目的。

  （为了与预估时间匹配，这里将 max_epoch 设置为 30 进行实验。）

代码仓库中分享的 Boss 代码展示的是最终训练的结果，完整的运行流程是：

1. 将实验配置中 / Configuration for experiments 的 BACK_TRANSLATION 设置为 True 运行
   训练一个 back-translation 模型，并处理好对应的语料。
2. 将实验配置 / Configuration for experiments 中的 BACK_TRANSLATION 设置为 False 运行
   结合 ted2020 和 mono (back-translation) 的语料进行训练。

Gradescope

Visualize Positional Embedding

你可以直接在 确定用于生成 submission 的模型权重 / Confirm model weights used to generate submission 后进行处理，在仓库的代码中我已经提前注释掉了 训练循环 / Training loop 中的训练部分，如果在之前，模型没有训练，直接运行代码会报错。

添加的处理代码如下（可以复制下面的处理代码放到你的 submission 模块之后）：

推荐阅读：All Pairs Cosine Similarity in PyTorch

pos_emb = model.decoder.embed_positions.weights.cpu().detach()

# 计算余弦相似度矩阵
def get_cosine_similarity_matrix(x):
    x = x / x.norm(dim=1, keepdim=True)
    sim = torch.mm(x, x.t())
    return sim
    
sim = get_cosine_similarity_matrix(pos_emb)
#sim = F.cosine_similarity(pos_emb.unsqueeze(1), pos_emb.unsqueeze(0), dim=2) # 一样的

# 绘制位置向量的余弦相似度矩阵的热力图
plt.imshow(sim, cmap="hot", vmin=0, vmax=1)
plt.colorbar()

plt.show()

Clipping Gradient Norm

只需要将 config.wandb 设置为 True 即可，此时可以在 wandb 上查看。

或者直接在 train_one_epoch 添加一下处理代码，记录 gnorm。