python - 使用 CNTK 通过在每个生成步骤进行采样来生成序列

Question

在具有编码器和解码器的 seq2seq 模型中，在每个生成步骤，softmax 层都会输出整个词汇表的分布。在CNTK中，使用C.hardmax函数可以轻松实现贪婪解码器。看起来像这样。

def create_model_greedy(s2smodel):
    # model used in (greedy) decoding (history is decoder's own output)
    @C.Function
    @C.layers.Signature(InputSequence[C.layers.Tensor[input_vocab_dim]])
    def model_greedy(input): # (input*) --> (word_sequence*)
        # Decoding is an unfold() operation starting from sentence_start.
        # We must transform s2smodel (history*, input* -> word_logp*) into a generator (history* -> output*)
        # which holds 'input' in its closure.
        unfold = C.layers.UnfoldFrom(lambda history: s2smodel(history, input) >> **C.hardmax**,
                                     # stop once sentence_end_index was max-scoring output
                                     until_predicate=lambda w: w[...,sentence_end_index],
                                     length_increase=length_increase)
        return unfold(initial_state=sentence_start, dynamic_axes_like=input)
    return model_greedy

但是，在每一步我不想以最大概率输出 token 。相反，我想要一个随机解码器，它根据词汇的概率分布生成一个标记。

我怎样才能做到这一点？任何帮助表示赞赏。谢谢。

Answer 1

您可以在采用 Hardmax 之前向输出添加噪声。特别是，您可以使用 C.random.gumbel 或 C.random.gumbel_like 按 exp(output) 的比例进行采样。这被称为 gumbel-max trick 。 cntk.random模块也包含其他分布，但如果您有对数概率，您很可能希望在 Hardmax 之前添加gumbel 噪声。一些代码:

@C.Function
def randomized_hardmax(x):
    noisy_x = x + C.random.gumbel_like(x)
    return C.hardmax(noisy_x)

然后将您的 hardmax 替换为 randomized_hardmax。