Keras Embedding 层中的 mask_zero 是如何工作的？

Posted 2023-03-12

【中文标题】Keras Embedding 层中的 mask_zero 是如何工作的？

【英文标题】：How does mask_zero in Keras Embedding layer work?

【发布时间】：2018-05-09 04:10:09

【问题描述】：

我以为mask_zero=True在输入值为0时会输出0，所以后面的层可以跳过计算什么的。

mask_zero 是如何工作的？

例子：

data_in = np.array([
  [1, 2, 0, 0]
])
data_in.shape
>>> (1, 4)

# model
x = Input(shape=(4,))
e = Embedding(5, 5, mask_zero=True)(x)

m = Model(inputs=x, outputs=e)
p = m.predict(data_in)
print(p.shape)
print(p)

实际输出为：（数字随机）

(1, 4, 5)
[[[ 0.02499047  0.04617121  0.01586803  0.0338897   0.009652  ]
  [ 0.04782704 -0.04035913 -0.0341589   0.03020919 -0.01157228]
  [ 0.00451764 -0.01433611  0.02606953  0.00328832  0.02650392]
  [ 0.00451764 -0.01433611  0.02606953  0.00328832  0.02650392]]]

但是，我认为输出将是：

[[[ 0.02499047  0.04617121  0.01586803  0.0338897   0.009652  ]
  [ 0.04782704 -0.04035913 -0.0341589   0.03020919 -0.01157228]
  [ 0 0 0 0 0]
  [ 0 0 0 0 0]]]

【问题讨论】：

他们正在重复上一次计算步骤的输出。该文档向您保证它不再“计算”它们。而且由于所有剩余步骤都相同，因此可能只是为了填充 numpy 数组的形状而进行的虚拟重复。

有兴趣知道为什么这些是非零的。它们是如何计算的？

在 tf.keras 文档 tensorflow.org/guide/keras/masking_and_padding

是的，只是这似乎只在“支持屏蔽”which is not the case in CNN layers...

【参考方案1】：

实际上，为 Embedding 层设置 mask_zero=True 不会导致返回零向量。相反，嵌入层的行为不会改变，它会返回索引为零的嵌入向量。您可以通过检查嵌入层权重来确认这一点（即在您提到的示例中它将是m.layers[0].get_weights()）。相反，它会影响后续层（例如 RNN 层）的行为。

如果你检查嵌入层的源代码，你会看到一个名为compute_mask的方法：

def compute_mask(self, inputs, mask=None):
    if not self.mask_zero:
        return None
    output_mask = K.not_equal(inputs, 0)
    return output_mask

此输出掩码将作为mask 参数传递给支持掩码的以下层。这已经在基础层的__call__方法中实现了，Layer：

# Handle mask propagation.
previous_mask = _collect_previous_mask(inputs)
user_kwargs = copy.copy(kwargs)
if not is_all_none(previous_mask):
    # The previous layer generated a mask.
    if has_arg(self.call, 'mask'):
        if 'mask' not in kwargs:
            # If mask is explicitly passed to __call__,
            # we should override the default mask.
            kwargs['mask'] = previous_mask

这使得下面的层忽略（即在他们的计算中不考虑）这个输入步骤。这是一个最小的例子：

data_in = np.array([
  [1, 0, 2, 0]
])

x = Input(shape=(4,))
e = Embedding(5, 5, mask_zero=True)(x)
rnn = LSTM(3, return_sequences=True)(e)

m = Model(inputs=x, outputs=rnn)
m.predict(data_in)

array([[[-0.00084503, -0.00413611,  0.00049972],
        [-0.00084503, -0.00413611,  0.00049972],
        [-0.00144554, -0.00115775, -0.00293898],
        [-0.00144554, -0.00115775, -0.00293898]]], dtype=float32)

如您所见，LSTM 层的第二个和第四个时间步的输出分别与第一个和第三个时间步的输出相同。这意味着这些时间步已被屏蔽。

更新：在计算损失时也会考虑掩码，因为损失函数在内部被扩充以支持使用weighted_masked_objective 进行掩码：

def weighted_masked_objective(fn):
    """Adds support for masking and sample-weighting to an objective function.
    It transforms an objective function `fn(y_true, y_pred)`
    into a sample-weighted, cost-masked objective function
    `fn(y_true, y_pred, weights, mask)`.
    # Arguments
        fn: The objective function to wrap,
            with signature `fn(y_true, y_pred)`.
    # Returns
        A function with signature `fn(y_true, y_pred, weights, mask)`.
    """

when compiling the model:

weighted_losses = [weighted_masked_objective(fn) for fn in loss_functions]

您可以使用以下示例验证这一点：

data_in = np.array([[1, 2, 0, 0]])
data_out = np.arange(12).reshape(1,4,3)

x = Input(shape=(4,))
e = Embedding(5, 5, mask_zero=True)(x)
d = Dense(3)(e)

m = Model(inputs=x, outputs=d)
m.compile(loss='mse', optimizer='adam')
preds = m.predict(data_in)
loss = m.evaluate(data_in, data_out, verbose=0)
print(preds)
print('Computed Loss:', loss)

[[[ 0.009682    0.02505393 -0.00632722]
  [ 0.01756451  0.05928303  0.0153951 ]
  [-0.00146054 -0.02064196 -0.04356086]
  [-0.00146054 -0.02064196 -0.04356086]]]
Computed Loss: 9.041069030761719

# verify that only the first two outputs 
# have been considered in the computation of loss
print(np.square(preds[0,0:2] - data_out[0,0:2]).mean())

9.041070036475277

【讨论】：

谢谢，那么在评估模型时会发生什么。这是否意味着我们需要将输出向量移动 1？二进制分类，即当y in 0,1。或者假设损失是用掩码计算的，最后我们如何实际评估这样的生成器？当我们运行预测时，我们仍然得到一个输出y，我们需要为此手动拟合掩码吗？例如，如果我们将序列填充到长度 100，y 始终为 100，但实际序列的长度是可变的。我们如何让model.predict() 返回这些可变长度？

所以我想说的是，当我将此输出传递给不支持屏蔽的 Dense 层时，它仍然会为您的示例中的第一个和第三个 indeces 计算一些损失。并将其与y 0s 进行比较。如何实现这样的密集层？

@GRS 损失也将根据掩码计算。我已经更新了我的答案。请看一看。

嗨@today，谢谢你的精彩回答。您对忽略 decoder in AE with multiple features 的填充/缺失时间步有什么建议吗？

【参考方案2】：

通知模型数据的某些部分实际上是填充并且应该被忽略的过程称为Masking。

在 Keras 模型中引入 input masks 有三种方式：

添加一个keras.layers.Masking层。 使用 mask_zero=True 配置 keras.layers.Embedding 层。 在调用支持此参数的层（例如 RNN 层）时手动传递掩码参数。

下面是使用 keras.layers.Embedding

引入

Input Masks

的代码

import numpy as np

import tensorflow as tf

from tensorflow.keras import layers

raw_inputs = [[83, 91, 1, 645, 1253, 927],[73, 8, 3215, 55, 927],[711, 632, 71]]
padded_inputs = tf.keras.preprocessing.sequence.pad_sequences(raw_inputs,
                                                              padding='post')

print(padded_inputs)

embedding = layers.Embedding(input_dim=5000, output_dim=16, mask_zero=True)
masked_output = embedding(padded_inputs)

print(masked_output._keras_mask)

以上代码的输出如下所示：

[[  83   91    1  645 1253  927]
 [  73    8 3215   55  927    0]
 [ 711  632   71    0    0    0]]

tf.Tensor(
[[ True  True  True  True  True  True]
 [ True  True  True  True  True False]
 [ True  True  True False False False]], shape=(3, 6), dtype=bool)

有关更多信息，请参阅此Tensorflow Tutorial。