Teacher Forcing

本文主要介绍一下Teacher Forcing这个训练过程中的技巧

以Seq2Seq为例，在训练过程中，$t_0$时刻Decoder的输入是"<SOS>"，输出可能并不是正确的结果"the"，比方说输出了一个错误的结果"like"。那么问题就来了，到了$t_1$时刻，应该继续以正确的单词"the"作为输入，还是将上一时刻$t_0$的输出"like"作为输入呢？

其实上面的问题，涉及到两种完全不同的训练方式

不管上一时刻输出是什么，当前时刻的输入总是规定好的，按照给定的target进行输入
当前时刻的输入和上一时刻的输出，是有关联的。具体来说就是，当前时刻的输入就是上一时刻的输出

如果要用比较不太严谨的比喻来说，第一种训练方式相当于就是小明学习的时候旁边坐了一位学霸，当发现小明在做序列生成题目的时候，每一步都把上一步的正确答案给他偷看。那么小明当然只需要顺着上一步的答案的思路，计算出这一步的结果就行了。这种做法，比起自己每一步都瞎猜，当然能够有效的避免误差进一步放大，同时在学习前期还能通过学霸辅导的这种方式快速学到很多的知识。

但是第一种训练方式存在以下的问题：

在解码的时候生成的字符都会受到 Ground-Truth 的约束，希望模型生成的结果都必须和参考句一一对应。这种约束在训练过程中减少模型发散，加快收敛速度。但是一方面也扼杀了翻译多样性的可能
在这种约束下，还会导致一种叫做 Overcorrect(矫枉过正) 的问题。例如：

待生成句的Reference为: "We should comply with the rule."
模型在解码阶段中途预测出来："We should abide"
然而按照规定，将第三个ground-truth "comply" 作为第四步的输入。那么模型根据以往学习的pattern，有可能在第四步预测到的是 "with"
模型最终的生成变成了 "We should abide with"
事实上，"abide with" 用法是不正确的，但是由于ground-truth "comply" 的干扰，模型处于矫枉过正的状态，生成了不通顺的语句

如果使用第二种方式，其中只要一步预测错，后面的预测就会越来越跑偏，很难收敛

而Teacher Forcing正好介于上述两种训练方法之间。具体来说就是，训练过程中的每个时刻，有一定概率使用上一时刻的输出作为输入，也有一定概率使用正确的target作为输入

可以参考下面的伪代码

teacher_forcing_ratio = 0.5
teacher_forcing = random.random() < teacher_forcing_ratio
if teacher_forcing:
    pass
else:
    pass