machine-learning - 在语言建模中，为什么我必须在每个新的训练周期之前 init_hidden 权重？ ( torch )

Question

我对 pytorch 语言建模中的以下代码有疑问:

print("Training and generating...")
    for epoch in range(1, config.num_epochs + 1): 
        total_loss = 0.0
        model.train()  
        hidden = model.init_hidden(config.batch_size)  

        for ibatch, i in enumerate(range(0, train_len - 1, seq_len)):
            data, targets = get_batch(train_data, i, seq_len)          
            hidden = repackage_hidden(hidden)
            model.zero_grad()

            output, hidden = model(data, hidden)
            loss = criterion(output.view(-1, config.vocab_size), targets)
            loss.backward()  

请检查第 5 行。

init_hidden函数如下:

def init_hidden(self, bsz):
    weight = next(self.parameters()).data
    if self.rnn_type == 'LSTM':  # lstm：(h0, c0)
        return (Variable(weight.new(self.n_layers, bsz, self.hi_dim).zero_()),
                Variable(weight.new(self.n_layers, bsz, self.hi_dim).zero_()))
    else:  # gru & rnn：h0
        return Variable(weight.new(self.n_layers, bsz, self.hi_dim).zero_())

我的问题是:

为什么我们需要在每个纪元进行 init_hidden ？难道模型不应该继承上一个时期的隐藏参数并继续对其进行训练吗？

Answer 1

答案就在 init_hidden 中。它不是隐藏层权重，而是RNN/LSTM中的初始隐藏状态，即公式中的h0。对于每个时期，我们应该重新初始化一个新的初学者隐藏状态，这是因为在测试过程中，我们的模型将没有关于测试句子的信息，并且初始隐藏状态为零。