为什么我们在pytorch中“打包”序列？

Posted 2021-05-03

我试图复制How to use packing for variable-length sequence inputs for rnn但我想我首先需要理解为什么我们需要“打包”序列。

我理解为什么我们需要“填充”它们，但为什么“包装”（通过pack_padded_sequence）是必要的？

任何高级别的解释将不胜感激！

答案

我偶然发现了这个问题，下面就是我想到的。

在训练RNN（LSTM或GRU或vanilla-RNN）时，很难对可变长度序列进行批处理。例如：如果8号批次的序列长度是[4,6,8,5,4,3,7,8]，你将填充所有序列，这将产生8个长度为8的序列。你会最终做了64次计算（8x8），但你只需要进行45次计算。此外，如果你想做一些像使用双向RNN这样的事情，那么仅仅通过填充就更难进行批量计算，你可能最终会进行比所需更多的计算。

相反，pytorch允许我们打包序列，内部打包序列是两个列表的元组。一个包含序列的元素。元素按时间步长交错（参见下面的示例），其他元素包含 每个序列的大小 每一步的批量大小。这有助于恢复实际序列以及告知RNN每个时间步的批量大小。 @Aerin指出了这一点。这可以传递给RNN，它将在内部优化计算。

我可能在某些方面不清楚，所以让我知道，我可以添加更多的解释。

 a = [torch.tensor([1,2,3]), torch.tensor([3,4])]
 b = torch.nn.utils.rnn.pad_sequence(a, batch_first=True)
 >>>>
 tensor([[ 1,  2,  3],
    [ 3,  4,  0]])
 torch.nn.utils.rnn.pack_padded_sequence(b, batch_first=True, lengths=[3,2]
 >>>>PackedSequence(data=tensor([ 1,  3,  2,  4,  3]), batch_sizes=tensor([ 2,  2,  1]))

另一答案

除了Umang的回答，我发现这很重要。

返回的pack_padded_sequence元组中的第一项是包含打包序列的数据（张量） - 张量。第二项是整数的张量，在每个序列步骤中保存有关批量大小的信息。

这里重要的是第二项（批量大小）表示批次中每个序列步骤的元素数量，而不是传递给pack_padded_sequence的变化序列长度。

例如，给定数据abc和x：class：PackedSequence将包含数据axbc与batch_sizes=[2,1,1]。

另一答案

上面的答案很好地解决了这个问题。我只是想添加一个例子来更好地理解pack_padded_sequence的使用。

Let's take an example

注意：pack_padded_sequence需要批处理中的排序序列（按序列长度的降序排列）。在下面的示例中，序列批次已经排序，以减少混乱。访问this gist link进行全面实施。

首先，我们创建一批2个不同序列长度的序列，如下所示。我们总共有7个元素。

• 每个序列的嵌入大小为2。
• 第一个序列的长度为5
• 第二个序列的长度为2

import torch 

seq_batch = [torch.tensor([[1, 1],
                           [2, 2],
                           [3, 3],
                           [4, 4],
                           [5, 5]]),
             torch.tensor([[10, 10],
                           [20, 20]])]

seq_lens = [5, 2]

我们填充seq_batch以获得等长度为5的序列批次（批次中的最大长度）。现在，新批次总共有10个元素。

# pad the seq_batch
padded_seq_batch = torch.nn.utils.rnn.pad_sequence(seq_batch, batch_first=True)
"""
>>>padded_seq_batch
tensor([[[ 1,  1],
         [ 2,  2],
         [ 3,  3],
         [ 4,  4],
         [ 5,  5]],

        [[10, 10],
         [20, 20],
         [ 0,  0],
         [ 0,  0],
         [ 0,  0]]])
"""

然后，我们打包padded_seq_batch。它返回两个张量的元组：

• 第一个是包含序列批中所有元素的数据。
• 第二个是batch_sizes，它将通过步骤告诉元素如何相互关联。

# pack the padded_seq_batch
packed_seq_batch = torch.nn.utils.rnn.pack_padded_sequence(padded_seq_batch, lengths=seq_lens, batch_first=True)
"""
>>> packed_seq_batch
PackedSequence(
   data=tensor([[ 1,  1],
                [10, 10],
                [ 2,  2],
                [20, 20],
                [ 3,  3],
                [ 4,  4],
                [ 5,  5]]), 
   batch_sizes=tensor([2, 2, 1, 1, 1]))
"""

现在，我们将元组packed_seq_batch传递给Pytorch中的循环模块，例如RNN，LSTM。这只需要在recurrrent模块中进行5 + 2=7计算。

lstm = nn.LSTM(input_size=2, hidden_size=3, batch_first=True)
output, (hn, cn) = lstm(packed_seq_batch.float()) # pass float tensor instead long tensor.
"""
>>> output # PackedSequence
PackedSequence(data=tensor(
        [[-3.6256e-02,  1.5403e-01,  1.6556e-02],
         [-6.3486e-05,  4.0227e-03,  1.2513e-01],
         [-5.3134e-02,  1.6058e-01,  2.0192e-01],
         [-4.3123e-05,  2.3017e-05,  1.4112e-01],
         [-5.9372e-02,  1.0934e-01,  4.1991e-01],
         [-6.0768e-02,  7.0689e-02,  5.9374e-01],
         [-6.0125e-02,  4.6476e-02,  7.1243e-01]], grad_fn=<CatBackward>), batch_sizes=tensor([2, 2, 1, 1, 1]))

>>>hn
tensor([[[-6.0125e-02,  4.6476e-02,  7.1243e-01],
         [-4.3123e-05,  2.3017e-05,  1.4112e-01]]], grad_fn=<StackBackward>),
>>>cn
tensor([[[-1.8826e-01,  5.8109e-02,  1.2209e+00],
         [-2.2475e-04,  2.3041e-05,  1.4254e-01]]], grad_fn=<StackBackward>)))
"""

我们需要将output转换回填充的批量输出：

padded_output, output_lens = torch.nn.utils.rnn.pad_packed_sequence(output, batch_first=True, total_length=5)
"""
>>> padded_output
tensor([[[-3.6256e-02,  1.5403e-01,  1.6556e-02],
         [-5.3134e-02,  1.6058e-01,  2.0192e-01],
         [-5.9372e-02,  1.0934e-01,  4.1991e-01],
         [-6.0768e-02,  7.0689e-02,  5.9374e-01],
         [-6.0125e-02,  4.6476e-02,  7.1243e-01]],

        [[-6.3486e-05,  4.0227e-03,  1.2513e-01],
         [-4.3123e-05,  2.3017e-05,  1.4112e-01],
         [ 0.0000e+00,  0.0000e+00,  0.0000e+00],
         [ 0.0000e+00,  0.0000e+00,  0.0000e+00],
         [ 0.0000e+00,  0.0000e+00,  0.0000e+00]]],
       grad_fn=<TransposeBackward0>)

>>> output_lens
tensor([5, 2])
"""

Compare this effort with the standard way

1. 在标准方式中，我们只需要将padded_seq_batch传递给lstm模块。但是，它需要10次计算。它涉及更多关于填充元素的计算，这在计算上是低效的。
2. 请注意，它不会导致不准确的表示，但需要更多逻辑来提取正确的表示。 对于仅具有正向的LSTM（或任何循环模块），如果我们想要提取最后一步的隐藏向量作为序列的表示，我们将不得不从T（th）步骤中拾取隐藏的向量，其中T是输入的长度。拾取最后一个表示将是不正确的。请注意，批次中的不同输入的T将不同。 对于双向LSTM（或任何循环模块），它更加麻烦，因为必须维护两个RNN模块，一个在输入开始时使用填充，另一个在输入结束时使用填充，以及最后如上所述提取和连接隐藏的向量。

让我们看看差异：

# The standard approach: using padding batch for recurrent modules
output, (hn, cn) = lstm(padded_seq_batch.float())
"""
>>> output
 tensor([[[-3.6256e-02, 1.5403e-01, 1.6556e-02],
          [-5.3134e-02, 1.6058e-01, 2.0192e-01],
          [-5.9372e-02, 1.0934e-01, 4.1991e-01],
          [-6.0768e-02, 7.0689e-02, 5.9374e-01],
          [-6.0125e-02, 4.6476e-02, 7.1243e-01]],

         [[-6.3486e-05, 4.0227e-03, 1.2513e-01],
          [-4.3123e-05, 2.3017e-05, 1.4112e-01],
          [-4.1217e-02, 1.0726e-01, -1.2697e-01],
          [-7.7770e-02, 1.5477e-01, -2.2911e-01],
          [-9.9957e-02, 1.7440e-01, -2.7972e-01]]],
        grad_fn= < TransposeBackward0 >)

>>> hn
tensor([[[-0.0601, 0.0465, 0.7124],
         [-0.1000, 0.1744, -0.2797]]], grad_fn= < StackBackward >),

>>> cn
tensor([[[-0.1883, 0.0581, 1.2209],
         [-0.2531, 0.3600, -0.4141]]], grad_fn= < StackBackward >))
"""

上述结果表明，hn，cn在两个方面有所不同，而output从两个方面导致不同的填充元素值。

另一答案

以下是一些视觉解释1，可能有助于为pack_padded_sequence()的功能开发出更好的直觉

假设我们总共有6序列（可变长度）。您也可以将此数字6视为batch_size超参数。

现在，我们希望将这些序列传递给一些递归神经网络架构。为此，我们必须在我们的批次中填充所有序列（通常使用0s）到我们批次中的最大序列长度（max(sequence_lengths)），在下图中是9。

那么，数据准备工作现在应该完成了，对吧？不是真的..因为还存在一个紧迫的问题，主要是在与实际需要的计算相比时我们需要做多少计算。

为了便于理解，我们还假设我们将矩阵乘以形状padded_batch_of_sequences的上述(6, 9)与形状W的权重矩阵(9, 3)。

因此，我们将不得不执行6x9 = 54乘法和qa​​zxswpoi加法（6x8 = 48）操作，只是为了抛弃大部分计算结果，因为它们将是nrows x (n-1)_colss（我们有垫子）。在这种情况下，实际需要的计算是：

0

即使对于这个玩具示例，这也是更多的节省。您现在可以想象使用 9-mult 8-add 8-mult 7-add 6-mult 5-add 4-mult 3-add 3-mult 2-add 2-mult 1-add --------------- 32-mult 26-add 可以为具有数百万条目的大张量节省多少计算（成本，能量，时间，碳排