PyTorch中的nn.Conv1d、nn.Conv2d以及文本卷积
- 简单理解文本处理时的卷积原理
- 一维卷积nn.Conv1d
- 定义
- 参数说明
- 代码示例
- 涉及论文及图解
- 二维卷积nn.Conv2d
- 定义
- 参数说明
- 代码示例
- 图解
- 总结
大多数 NLP 任务的输入不是图像像素，而是以矩阵表示的句子或文档。矩阵的每一行对应一个标记，通常是一个单词，但它也可以是一个字符。也就是说，每一行都是代表一个单词的向量。通常这些向量是像 word2vec 或 GloVe 这样的词嵌入（低维表示），但是它们也可以是将单词索引到词汇表中的一个 one-hot 向量。对于使用 100 维嵌入的 10 个字的句子，我们将有一个 10×100 的矩阵作为我们的输入。这就是是我们的“图像”。
在计算机视觉上，我们的过滤器在图像的局部区域上滑动，但是在 NLP 中，我们通常使用滑过整行矩阵（单词）的过滤器。因此，我们的滤波器的“宽度”通常与输入矩阵的宽度相同。对于矩阵的宽度其实就是一个单词转化为的词向量的长度，然后这个滤波器相当于一次遍历多个词向量，而且可以有不同的滤波器。高度或区域大小可能会有所不同，通常使用一次滑动 2-5 个字的窗口。
一维卷积nn.Conv1d一般用于文本数据，只对宽度进行卷积，对高度不卷积。通常，输入大小为word_embedding_dim * max_length，其中，word_embedding_dim为词向量的维度，max_length为句子的最大长度。卷积核窗口在句子长度的方向上滑动，进行卷积操作。
class torch.nn.Conv1d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)
- ：在文本应用中，即为词向量的维度
- ：卷积产生的通道数，有多少个，就需要多少个一维卷积（也就是卷积核的数量）
- ：卷积核的尺寸；卷积核的第二个维度由决定，所以实际上卷积核的大小为
- ：对输入的每一条边，补充0的层数
Yoon Kim在2014年发表的论文Convolutional Neural Networks for Sentence Classification中给出如下的图，一个用于 NLP 的卷积神经网络可能看起来像这样。
用于句子分类的卷积神经网络（CNN）体系结构图。 这里描述了三个过滤器的大小：，每个大小都有个过滤器。 每个过滤器对句子矩阵执行卷积并生成（可变长度）特征映射。 然后在每个特征图上执行池化，即记录来自每个特征图的最大数。 因此，从六个特征图生成一元特征向量，并且这六个特征被连接以形成倒数第二层的特征向量。 最后的接收这个特征向量作为输入，并用它来分类句子；这里我们假设二进制分类，因此描述了两种可能的输出状态。
CNN的一个重要论点是，它们很快。非常快。卷积是计算机图形的核心部分，并在 GPUs 上的硬件级别上实现。与 n-grams 相比，CNNs 在表达方面也是有效的。有了大量的词汇，计算超过 3-grams 的任何东西都可能很快变得昂贵。即使是 Google 也不提供超过 5-grams 的任何东西。卷积过滤器自动学习好的表征，而不需要表示整个词汇表。我认为，第一层中的许多学习过滤器捕获与 n-gram 非常相似（但不限于）的特征，但是以更紧凑的方式表示它们。
一般来说，二维卷积用于图像数据，对宽度和高度都进行卷积。
class torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)
- ：在文本应用中，即为词向量的维度
- ：卷积产生的通道数，有多少个，就需要多少个一维卷积（也就是卷积核的数量）
- ：卷积核的尺寸；卷积核的第二个维度由决定，所以实际上卷积核的大小为
- ：对输入的每一条边，补充0的层数
假设现有大小为的图片样本，输入样本的channels为1，该图片可能属于10个类中的某一类。CNN框架定义如下：
网络整体结构： 原始输入样本的大小：
- 第一次卷积：使用个大小为的卷积核，故卷积核的规模为；卷积操作的stride参数默认值为，32 - 5 + 1 = 28，并且使用ReLU对第一次卷积后的结果进行非线性处理，输出大小为；
- 第一次卷积后池化：kernel_size为，输出大小变为；
- 第二次卷积：使用个卷积核，故卷积核的规模为；使用ReLU对第二次卷积后的结果进行非线性处理，14 - 5 + 1 = 10，故输出大小为；
- 第二次卷积后池化：kernel_size同样为，输出大小变为；
- 第一次全连接：将上一步得到的结果铺平成一维向量形式，5 x 5 x 16 = 400，即输入大小为，W大小为，输出大小为；
- 第二次全连接：W大小为84 x 120，输入大小为，输出大小为；
- 第三次全连接：W大小为，输入大小为``84 x 1，输出大小为，即分别预测为10类的概率值。
版权声明：
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！
转载请注明出处，原文链接：https://www.xkablog.com/rfx/40427.html