LSTM-based Sentiment Classification

首先推荐一个 Jupyter 环境，是由 Google 提供的 colab，有免费的 GPU 可以使用

第一次使用需要在实验环境中下载相关的 python 库

!pip install torch
!pip install torchtext
!python -m spacy download en

我们初步的设想是，首先将一个句子输入到 LSTM，这个句子有多少个单词，就有多少个输出，然后将所有输出通过一个 Linear Layer，这个 Linear Layer 的 out_size 是 1，起到 Binary Classification 的作用

然后对于每个输入，我们需要先要进行 Embedding，把每个单词转换成固定长度的 vector，再送到 LSTM 里面去，假设每个单词我们都用一个长度为 100 的 vector 来表示，每句话有 seq 个单词（动态的，每句话的 seq 长度不一定一样），那么输入的 shape 就是 [seq, b, 100]。最终通过 Linear Layer 输出的 $y$ 的 shape 就是 [b]

我们使用的数据集是 torchtext 库里面的 IMDB 数据集

import torch
from torch import nn, optim
from torchtext import data, datasets

print("GPU:",torch.cuda.is_available())
torch.manual_seed(123)

TEXT = data.Field(tokenize='spacy')
LABEL = data.LabelField(dtype=torch.float)
train_data, test_data = datasets.IMDB.splits(TEXT, LABEL)

print('len of train data:', len(train_data))
print('len of test data:', len(test_data))

print(train_data.examples[15].text)
print(train_data.examples[15].label)

# word2vec, glove
TEXT.build_vocab(train_data, max_size=10000, vectors='glove.6B.100d')
LABEL.build_vocab(train_data)

batch_size = 30
device = torch.device('cuda')
train_iterator, test_iterator = data.BucketIterator.splits(
    (train_data, test_data),
    batch_size = batch_size,
    device = device
)

上面这些代码里面有些参数不懂不要紧，因为只是加载数据集而已，不是很重要。如果想要了解 torchtext，可以看这篇文章

接下来比较重要，定义网络结构

class RNN(nn.Module):
  def __init__(self, vocab_size, embedding_dim, hidden_dim):
    super(RNN, self).__init__()
    # [0-10001] => [100]
    self.embedding = nn.Embedding(vocab_size, embedding_dim)
    # [100] => [200]
    self.rnn = nn.LSTM(embedding_dim, hidden_dim, num_layers=2
              ,bidirectional=True, dropout=0.5)
    # [256*2] => [1]
    self.fc = nn.Linear(hidden_dim*2, 1)
    self.dropout = nn.Dropout(0.5)
  def forward(self, x):
    # [seq, b, 1] => [seq, b, 100]
    embedding = self.dropout(self.embedding(x))
    # output: [seq, b, hid_dim*2]
    # hidden/h: [num_layers*2, b, hid_dim]
    # cell/c: [num_layers*2, b, hid_dim]
    output, (hidden, cell) = self.rnn(embedding)
    # [num_layers*2, b, hid_dim] => 2 of [b, hid_dim] => [b, hid_dim*2]
    hidden = torch.cat([hidden[-2], hidden[-1]], dim=1)
    # [b, hid_dim*2] => [b, 1]
    hidden = self.dropout(hidden)
    out = self.fc(hidden)
    return out

nn.embedding(m, n) 其中 m 表示单词的总数目，n 表示词嵌入的维度（每个单词编码为长度为 n 的 vector）

然后就是 LSTM 本身，这里就不做过多解释了，参数介绍可以查看我的这篇文章，其中有一点之前的文章中没有提到，就是这个 bidirectional 参数，设置为 True 表示这个 LSTM 是双向的，很好理解，之前学过的 RNN 都是单向的，很有局限，例如下面这句话

• 我今天不舒服，我打算___一天

如果是单向 RNN，这个空肯定会填 "医院" 或者 "睡觉" 之类的，但是如果是双向的，它就能知道后面跟着 "一天"，这时 "请假"，"休息" 之类的被选择的概率就会更大

最后的 Fully Connected Layer 可以理解为把所有输出的信息做个综合，转化为一个一维的 tensor

rnn = RNN(len(TEXT.vocab), 100, 256)
pretrained_embedding = TEXT.vocab.vectors
print('pretrained_embedding:', pretrained_embedding.shape)
rnn.embedding.weight.data.copy_(pretrained_embedding)
print('embedding layer inited.')

Embedding 层如果不初始化，生成的权值是随机的，所以必须要初始化，这个权值是通过下载 Glove 编码方式得到的，下载得到的其实就是个 weight，直接覆盖掉 embedding 里面的 weight，通过 rnn.embedding.weight.data.copy_(pretrained_embedding) 的方式

然后我们看一下怎么 Train 这个网络

import numpy as np

def binary_acc(preds, y):
  """
  get accuracy
  """
  preds = torch.round(torch.sigmoid(preds))
  correct = torch.eq(preds, y).float()
  acc = correct.sum() / len(correct)
  return acc

def train(rnn, iterator, optimizer, criteon):
  avg_acc = []
  rnn.train()
  for i, batch in enumerate(iterator):
    # [seq, b] => [b, 1] => [b]
    pred = rnn(batch.text).squeeze()
    loss = criteon(pred, batch.label)
    acc = binary_acc(pred, batch.label).item()
    avg_acc.append(acc)
    optimizer.zero_grad()
    loss.backward()
    optimizer.step()

    if i%10 == 0:
      print(i, acc)
  avg_acc = np.array(avg_acc).mean()
  print('avg acc:', avg_acc)

Train 其实很简单了，就是把 text 丢进去，然后返回一个 shape 为 [b, 1] 的 output，利用 squeeze() 函数，去掉其中维数为 1 的维度，shape 变成 [b]，方便与 label 进行比较

同样的道理，Test 也非常简单

def eval(rnn, iterator, criteon):
  avg_acc = []
  rnn.eval()
  
  with torch.no_grad():
    for batch in iterator:
      # [b, 1] => [b]
      pred = rnn(batch.text).squeeze()
      loss = criteon(pred, batch.label)
      acc = binary_acc(pred, batch.label).item()
      avg_acc.append(acc)
  avg_acc = np.array(avg_acc).mean()
  print(">>test:", avg_acc)

最后定义一下 loss 和 optimizer

optimizer = optim.Adam(rnn.parameters(), lr=1e-3)
criteon = nn.BCEWithLogitsLoss().to(device)
rnn.to(device)

其中 BCEWithLogitsLoss() 主要用于二分类问题。nn.BCELoss() 是针对二分类用的交叉熵，这俩都是用于二分类，有什么区别呢？区别在于 BCEWithLogitsLoss 将 Sigmoid 层和 BCELoss 合并在了一起。如果还是觉得不理解，可以看下这篇博客