Сходство предложений с использованием керас

Question

Я пытаюсь реализовать архитектуру подобия предложений на основе этой работы с использованием набора данных STS. Метки - это нормализованные оценки сходства от 0 до 1, поэтому предполагается, что это регрессионная модель.

Моя проблема в том, что потеря идет прямо в NaN начиная с первой эпохи. Что я делаю неправильно?

Я уже пробовал обновляться до последних версий keras и theano.

Код для моей модели:

def create_lstm_nn(input_dim):
    seq = Sequential()`
    # embedd using pretrained 300d embedding
    seq.add(Embedding(vocab_size, emb_dim, mask_zero=True, weights=[embedding_weights]))
    # encode via LSTM
    seq.add(LSTM(128))
    seq.add(Dropout(0.3))
    return seq

lstm_nn = create_lstm_nn(input_dim)

input_a = Input(shape=(input_dim,))
input_b = Input(shape=(input_dim,))

processed_a = lstm_nn(input_a)
processed_b = lstm_nn(input_b)

cos_distance = merge([processed_a, processed_b], mode='cos', dot_axes=1)
cos_distance = Reshape((1,))(cos_distance)
distance = Lambda(lambda x: 1-x)(cos_distance)

model = Model(input=[input_a, input_b], output=distance)

# train
rms = RMSprop()
model.compile(loss='mse', optimizer=rms)
model.fit([X1, X2], y, validation_split=0.3, batch_size=128, nb_epoch=20)

Я также попытался с помощью простого Lambda вместо Merge слой, но он имеет тот же результат.

def cosine_distance(vests):
    x, y = vests
    x = K.l2_normalize(x, axis=-1)
    y = K.l2_normalize(y, axis=-1)
    return -K.mean(x * y, axis=-1, keepdims=True)

def cos_dist_output_shape(shapes):
    shape1, shape2 = shapes
    return (shape1[0],1)

distance = Lambda(cosine_distance, output_shape=cos_dist_output_shape)([processed_a, processed_b])

Answer 1

Нан является распространенной проблемой в глубокой регрессии обучения. Поскольку вы используете сиамскую сеть, вы можете попробовать следующее:

1. проверь свои данные: нужно ли их нормализовать?
2. попробуйте добавить плотный слой в вашу сеть в качестве последнего слоя, но будьте осторожны при выборе функции активации, например, relu
3. попробуйте использовать другую функцию потерь, например, contrastive_loss
4. меньше скорость обучения, например, 0,0001
5. режим cos не имеет дело с делением на ноль, может быть причиной NaN

Нелегко заставить работать глубокое обучение идеально.

Answer 2

Я не столкнулся с nan проблема, но моя потеря не изменится. Я нашел эту информацию проверить это

def cosine_distance(shapes):
    y_true, y_pred = shapes
    def l2_normalize(x, axis):
        norm = K.sqrt(K.sum(K.square(x), axis=axis, keepdims=True))
        return K.sign(x) * K.maximum(K.abs(x), K.epsilon()) /     K.maximum(norm, K.epsilon())
    y_true = l2_normalize(y_true, axis=-1)
    y_pred = l2_normalize(y_pred, axis=-1)
    return K.mean(1 - K.sum((y_true * y_pred), axis=-1))