【问题标题】:One-hot encoding in pytorch/torchtextpytorch/torchtext 中的 one-hot 编码
【发布时间】:2019-11-18 12:08:20
【问题描述】:

我有一个来自torchtextBucketiterator,我将它提供给pytorch 中的模型。迭代器的构造示例:

train_iter, val_iter = BucketIterator.splits((train,val),
                                             batch_size=batch_size,
                                             sort_within_batch = True, 
                                             device = device, 
                                             shuffle=True, 
                                             sort_key=lambda x: (len(x.src), len(x.trg)))

然后将数据馈送到这样的模型,我使用nn.Embedding 层。

class encoder(nn.Module):
    def __init__(self, input_dim, emb_dim, hid_dim, n_layers, dropout):
        super().__init__()

        self.input_dim = input_dim
        self.emb_dim = emb_dim
        self.hid_dim = hid_dim
        self.n_layers = n_layers
        self.dropout = dropout

        self.embedding = nn.Embedding(input_dim, emb_dim)

        self.rnn = nn.LSTM(emb_dim, hid_dim, n_layers, dropout = dropout)

        self.dropout = nn.Dropout(dropout)

    def forward(self, src):

        #src = [src sent len, batch size]

        embedded = self.dropout(self.embedding(src))

        #embedded = [src sent len, batch size, emb dim]
        hidden_enc = []
        outputs, hidden = self.rnn(embedded[0,:,:].unsqueeze(0))
        for i in range(1,len(embedded[:,1,1])):
            outputs, hidden = self.rnn(embedded[i,:,:].unsqueeze(0),hidden)
            hidden_cpu = []
            for k in range(len(hidden)):
                hidden_cpu.append(hidden[k])
                hidden_cpu[k] = hidden[k].cpu()
            hidden_enc.append(tuple(hidden_cpu))



        #outputs, hidden = self.rnn(embedded)

        #outputs = [src sent len, batch size, hid dim * n directions]
        #hidden = [n layers * n directions, batch size, hid dim]
        #cell = [n layers * n directions, batch size, hid dim]
        None
        #outputs are always from the top hidden layer

        return hidden, hidden_enc

但是,如果我希望嵌入是一次性编码的呢?我从事形式语言的工作,保留令牌之间的正交性会很好。 pytorchtorchtext 似乎没有任何功能可以执行此操作。

【问题讨论】:

  • PyTorch 没有内置它,但这会有所帮助吗:gist.github.com/jacobkimmel/4ccdc682a45662e514997f724297f39f
  • PyTorch 有 torch.nn.functional.one_hot(...),但如果我理解正确,您希望嵌入具有 one_hot 向量的相同属性;不只是将 N 个输入映射到 N 个 one_hot 向量,而是将 M >> N 映射到 N 个 one_hot 向量?有几种方法可以实现这一目标。让我们知道这是否是您想要的。
  • 不,还没有,我正在研究括号语言和 seq2seq 模型关闭这些括号的能力,所以我想保持标记之间的距离,因此是一个热的。但我对如何为 M>>N 实现它很感兴趣,我觉得这可能有用吗?
  • 但是你是否明白唯一的方法(假设你希望它们被一次性编码)是将多个标记折叠到同一个向量(对于 M > N),不要'你呢?对你来说可以吗?
  • 是的,当然,我在想,如果它像嵌入层一样被训练,它可能会帮助网络在比标准 one-hot 更大的规模结构上做出离散决策。

标签: python machine-learning deep-learning pytorch torchtext


【解决方案1】:

def get_one_hot_torch_tensor(in_tensor): """ 函数将 1d 或 2d 火炬张量转换为 one-hot 编码 """

n_channels = torch.max(in_tensor)+1  # maximum number of channels
if in_tensor.ndim == 2:
    out_one_hot = torch.zeros((n_channels, in_tensor.shape[0], in_tensor.shape[1]))
    # print(out_one_hot)
    index = np.indices((in_tensor.shape[0], in_tensor.shape[1]))  # create an array of indices
    x, y = index[0], index[1]
    print(x, y)

    out_one_hot[in_tensor, x, y] = 1
    print(out_one_hot)

【讨论】:

  • 输入张量是一个单通道二维张量,其中像素值是类。该函数返回一个 one-hot 编码张量,其中编码是通道明智的,即对于每个像素有 num_classes + 1 个通道,对应于像素值的通道为 1,其他为 0。
猜你喜欢
  • 1970-01-01
  • 2017-06-21
  • 1970-01-01
  • 2021-08-05
  • 2021-04-14
  • 2020-09-18
  • 2019-07-14
  • 2020-02-08
  • 2019-08-28
相关资源
最近更新 更多