espnet中的transformer和LSTM語言模型對比實驗

阿新 • • 發佈：2022-03-30

摘要：本文以aishell為例，通過對比實驗為大家介紹transformer和LSTM語言模型。

本文分享自華為雲社群《espnet中的transformer和LSTM語言模型對比---以aishell為例》，作者：可愛又積極。

NLP特徵提取器簡介 - RNN和Transformer

近年來，深度學習在各個NLP任務中都取得了SOTA結果，我們先了解一下現階段在自然語言處理領域最常用的特徵抽取結構。

長短期記憶網路(LSTM)

傳統RNN的做法是將所有知識全部提取出來，不作任何處理的輸入到下一個時間步進行迭代。就像參加考試一樣，如果希望事先把書本上的所有知識都記住，到了考試的時候，早期的知識恐怕已經被近期的知識完全覆蓋了，提取不到長遠時間步的資訊是很正常的。而人類是這樣做的嗎？顯然不是的，我們通常的做法是對知識有一個理性判斷，重要的知識給予更高的權重，重點記憶，不那麼重要的可能沒多久就忘了，這樣，才能在面對考試的時候有較好的發揮。在我看來，LSTM的結構更類似於人類對於知識的記憶方式。理解LSTM的關鍵就在於理解兩個狀態ct和at和內部的三個門機制：

圖中我們可以看見，LSTM Cell在每個時間步接收上個時間步的輸入有兩個，傳給下一個時間步的輸出也有兩個。通常，我們將c(t)看作全域性資訊，at看作全域性資訊對下一個Cell影響的隱藏狀態。

遺忘門、輸入門(圖中的update gate)和輸出門分別都是一個啟用函式為sigmoid的小型單層神經網路。由於sigmoid在(0,1)範圍內的取值，有效的用於判斷是保留還是“遺忘”資訊（乘以接近1的值表示保留，乘以接近0的值表示遺忘），為我們提供了資訊選擇性傳輸的能力。

這樣看下來，是不是覺得LSTM已經十分"智慧"了呢？但實際上，LSTM還是有其侷限性：時序性的結構一方面使其很難具備高效的平行計算能力（當前狀態的計算不僅要依賴當前的輸入，還要依賴上一個狀態的輸出），另一方面使得整個LSTM模型（包括其他的RNN模型，如GRU）總體上更類似於一個馬爾可夫決策過程，較難以提取全域性資訊。

GRU可以看作一個LSTM的簡化版本，其將at與ct兩個變數整合在一起，且講遺忘門和輸入門整合為更新門，輸出門變更為重製門，大體思路沒有太大變化。兩者之間的效能往往差別不大，但GRU相對來說引數量更少。收斂速度更快。對於較少的資料集我建議使用GRU就已經足夠了，對於較大的資料集，可以試試有較多引數量的LSTM有沒有令人意外的效果。

Transformer

圖中紅框內為Encoder框架，黃框內為Decoder框架，其均是由多個Transformer Block堆疊而成的。這裡的Transformer Block就代替了我們LSTM和CNN結構作為了我們的特徵提取器，也是其最關鍵的部分。

作者採用Attention機制的原因是考慮到RNN（或者LSTM，GRU等）的計算限制為是順序的，也就是說RNN相關演算法只能從左向右依次計算或者從右向左依次計算，這種機制帶來了兩個問題：

時間片t的計算依賴t-1時刻的計算結果，這樣限制了模型的並行能力；
順序計算的過程中資訊會丟失，儘管LSTM等門機制的結構一定程度上緩解了長期依賴的問題，但是對於特別長期的依賴現象,LSTM依舊無能為力。

Transformer的提出解決了上面兩個問題，首先它使用了Attention機制，將序列中的任意兩個位置之間的距離是縮小為一個常量；其次它不是類似RNN的順序結構，因此具有更好的並行性，符合現有的GPU框架。

從語義特徵提取能力：Transformer顯著超過RNN和CNN，RNN和CNN兩者能力差不太多。

長距離特徵捕獲能力：CNN極為顯著地弱於RNN和Transformer，Transformer微弱優於RNN模型，但在比較遠的距離上（主語謂語距離大於13），RNN微弱優於Transformer，所以綜合看，可以認為Transformer和RNN在這方面能力差不太多，而CNN則顯著弱於前兩者。這部分我們之前也提到過，CNN提取長距離特徵的能力收到其卷積核感受野的限制，實驗證明，增大卷積核的尺寸，增加網路深度，可以增加CNN的長距離特徵捕獲能力。而對於Transformer來說，其長距離特徵捕獲能力主要受到Multi-Head數量的影響，Multi-Head的數量越多，Transformer的長距離特徵捕獲能力越強。

任務綜合特徵抽取能力：通常，機器翻譯任務是對NLP各項處理能力綜合要求最高的任務之一，要想獲得高質量的翻譯結果，對於兩種語言的詞法，句法，語義，上下文處理能力，長距離特徵捕獲等方面的效能要求都是很高的。從綜合特徵抽取能力角度衡量，Transformer顯著強於RNN和CNN，而RNN和CNN的表現差不太多。

平行計算能力：對於平行計算能力，上文很多地方都提到過，平行計算是RNN的嚴重缺陷，而Transformer和CNN差不多。