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
不对xx