如何在pytorch中使用word2vec訓練好的詞向量
torch.nn.Embedding()
這個方法是在pytorch中將詞向量和詞對應起來的一個方法. 一般情況下,如果我們直接使用下面的這種:
self.embedding = torch.nn.Embedding(num_embeddings=vocab_size, embedding_dim=embeding_dim)
num_embeddings=vocab_size 表示詞彙量的大小
embedding_dim=embeding_dim 表示詞向量的維度
這種情況下, 因爲沒有指定訓練好的詞向量, 所以embedding會幫咱們生成一個隨機的詞向量(但是在我剛剛測試的一個情感二分類問題中, 我發現好像用不用預訓練的詞向量, 結果差不多, 不過不排除是因爲當時使用的模型比較簡單, 導致一些特徵根本就沒提取出來).
如果我想使用word2vec預訓練好的詞向量該怎麼做呢?
其實很簡單,pytorch已經給我們提供好了接口
self.embedding.weight.data.copy_(torch.from_numpy(embeding_vector))
self.embedding.weight.requires_grad = False
上面兩句代碼的意思, 第一句就是導入詞向量, 第二句表示的是在反向傳播的時候, 不要對這些詞向量進行求導更新. 我還看到有人會在優化器那裏使用這樣的代碼:
# emotion_net是我定義的模型
optimizer = torch.optim.Adam(filter(lambda p: p.requires_grad, emotion_net.parameters()), lr=1e-3, betas=(0.9, 0.99))
大概意思也是爲了保證詞向量不會被反向傳播而更新, 具體有沒有用我就不清楚了.
其實我感覺大家比較在意的其實應該是embeding_vector
的形式, 下面我就介紹一下embeding_vector
的形式
爲了講述方便, 這裏定義出下面幾個矩陣
其實embeding_vector
是一個numpy矩陣, 當然你看到了, 實際輸入到pytorch的時候, 是需要轉換成tensor類型的. 這個矩陣是什麼樣子的呢? 其中這個矩陣是 的形式. 其中一共包含 個單詞, 每個單詞的維度是 , 我們把這樣一個矩陣輸入就行了.
之後, 我們要做的其實就是將 這個矩陣搞出來, 這裏的單詞轉下標的矩陣, 就是聯繫 和 這兩個矩陣的中間者. 我們在輸入到torch.nn.Embedding
中之前, 需要先通過 將單詞轉換成 的下標就可以了.