👨‍🎓作者简介：一位即将上大四，正专攻机器学习的保研er
🌌上期文章：机器学习&&深度学习——NLP实战（情感分析模型——RNN实现）
📚订阅专栏：机器学习&&深度学习
希望文章对你们有所帮助

引入

之前已经讨论过使用二维卷积神经网络来处理二维图像数据的机制，并将其应用于局部特征，如相邻像素。虽然卷积神经网络最初是为计算机视觉而设计的，但它也被广泛应用于NLP。简单来说，只要将任何文本序列想象成一维图像即可。通过这种方式，一维卷积神经网络可以处理文本中的局部特征，例如n元语法。
本节将使用textCNN模型来演示如何设计一个表示单个文本的卷积神经网络架构。与上一节的情感分析相比，唯一的区别只有架构的选择不同。

import torch
from torch import nn
from d2l import torch as d2lbatch_size = 64
train_iter, test_iter, vocab = d2l.load_data_imdb(batch_size)

一维卷积

在介绍该模型前，让我们看下一维卷积的工作原理，其实就可以看作是二维卷积的特例：

我们在下面的corr1d函数实现了一维互相关，给定输入张量X和核张量K，它返回输出张量Y。

def corr1d(X, K):w = K.shape[0]Y = torch.zeros((X.shape[0] - w + 1))for i in range(Y.shape[0]):Y[i] = (X[i: i + w] * K).sum()return Y

构造输入张量X和核张量K来验证上述一维互相关实现的输出。

X, K = torch.tensor([0, 1, 2, 3, 4, 5, 6]), torch.tensor([1, 2])
print(corr1d(X, K))

输出结果：

tensor([ 2., 5., 8., 11., 14., 17.])

对于任何具有多个通道的一维输入，卷积核需要具有相同数量的输入通道。然后，对于每个通道，对输入的一维张量和卷积核的一维张量执行互相关运算，将所有通道上的结果相加以产生一维输出张量。如图：

我们可以实现多个输入通道的一维互相关运算：

def corr1d_multi_in(X, K):# 首先，遍历'X'和'K'的第0维（通道维）。然后，把它们加在一起return sum(corr1d(x, k) for x, k in zip(X, K))

可以验证结果：

X = torch.tensor([[0, 1, 2, 3, 4, 5, 6],[1, 2, 3, 4, 5, 6, 7],[2, 3, 4, 5, 6, 7, 8]])
K = torch.tensor([[1, 2], [3, 4], [-1, -3]])
print(corr1d_multi_in(X, K))

输出结果：

tensor([ 2., 8., 14., 20., 26., 32.])

多输入通道的一维互相关等同于单输入通道的二维互相关，如上图中的例子可以等价为下图：

最大时间池化层

类似地，我们可以使用池化层从序列表示中提取最大值，作为跨时间步的最重要特征。textCNN中使用的最大时间池化层的工作原理类似于一维全局池化。对于每个通道在不同时间步存储值的多通道输入，每个通道的输出是该通道的最大值。注意，最大时间池化允许在不同通道上使用不同数量的时间步。

textCNN模型

使用一维卷积核最大时间池化，textCNN模型将单个预训练的词元表示作为输入，然后获得并转换用于下游任务的序列表示。
对于具有由d维向量表示的n个词元的单个文本序列，输入张量的宽度、高度和通道数分别为n、1和d。textCNN模型将输入转换为输出，如下所示：
1、定义多个一维卷积核，并分别对输入执行卷积运算。具有不同宽度的卷积核可以捕获不同数目的相邻词元之间的局部特征。
2、在所有输出通道上执行最大时间池化层，然后将所有标量池化输出连结为向量。
3、使用全连接层将连结后的向量转换为输出类别。dropout可以用来减少过拟合。
如下所示：

上面所示的例子，我们有一个宽度为11的6通道输入。定义两个宽度为2和4的一维卷积核，分别具有4个和5个输出通道。它们产生4个宽度为11-2+1=10的输出通道和5个宽度为11-4+1=8的输出通道。尽管这9个通道的宽度不同，但最大时间池化层给出了一个连结的9维向量，该向量最终被转换为用于二元情感预测的2维输出向量。

定义模型

现在实现textCNN模型，与之前的双向循环神经网络模型相比，除了用卷积层代替循环神经网络层外，我们还使用了两个嵌入层：一个是可训练权重，另一个是固定权重。

class TextCNN(nn.Module):def __init__(self, vocab_size, embed_size, kernel_sizes, num_channels,**kwargs):super(TextCNN, self).__init__(**kwargs)self.embedding = nn.Embedding(vocab_size, embed_size)# 这个嵌入层不需要训练self.constant_embedding = nn.Embedding(vocab_size, embed_size)self.dropout = nn.Dropout(0.5)self.decoder = nn.Linear(sum(num_channels), 2)# 最大时间汇聚层没有参数，因此可以共享此实例self.pool = nn.AdaptiveAvgPool1d(1)self.relu = nn.ReLU()# 创建多个一维卷积层self.convs = nn.ModuleList()for c, k in zip(num_channels, kernel_sizes):self.convs.append(nn.Conv1d(2 * embed_size, c, k))def forward(self, inputs):# 沿着向量维度将两个嵌入层连结起来，# 每个嵌入层的输出形状都是（批量大小，词元数量，词元向量维度）连结起来embeddings = torch.cat((self.embedding(inputs), self.constant_embedding(inputs)), dim=2)# 根据一维卷积层的输入格式，重新排列张量，以便通道作为第2维embeddings = embeddings.permute(0, 2, 1)# 每个一维卷积层在最大时间汇聚层合并后，获得的张量形状是（批量大小，通道数，1）# 删除最后一个维度并沿通道维度连结encoding = torch.cat([torch.squeeze(self.relu(self.pool(conv(embeddings))), dim=-1)for conv in self.convs], dim=1)outputs = self.decoder(self.dropout(encoding))return outputs

让我们创建一个textCNN实例。它有3个卷积层，卷积核宽度分别为3、4和5，均有100个输出通道。

embed_size, kernel_sizes, nums_channels = 100, [3, 4, 5], [100, 100, 100]
devices = d2l.try_all_gpus()
net = TextCNN(len(vocab), embed_size, kernel_sizes, nums_channels)def init_weights(m):if type(m) in (nn.Linear, nn.Conv1d):nn.init.xavier_uniform_(m.weight)net.apply(init_weights)

加载预训练词向量

我们加载预训练的100维GloVe嵌入作为初始化的词元表示。这些词元表示（嵌入权重）在embedding中将被训练，在constant_embedding中将被固定。

glove_embedding = d2l.TokenEmbedding('glove.6b.100d')
embeds = glove_embedding[vocab.idx_to_token]
net.embedding.weight.data.copy_(embeds)
net.constant_embedding.weight.data.copy_(embeds)
net.constant_embedding.weight.requires_grad = False

训练和评估模型

现在我们可以训练textCNN模型进行情感分析。

lr, num_epochs = 0.001, 5
trainer = torch.optim.Adam(net.parameters(), lr=lr)
loss = nn.CrossEntropyLoss(reduction="none")
d2l.train_ch13(net, train_iter, test_iter, loss, trainer, num_epochs, devices)

运行结果：

loss 0.064, train acc 0.979, test acc 0.873
138.7 examples/sec on [device(type=‘cpu’)]

运行图片：

下面，我们使用训练好的模型来预测两个简单句子的情感。

d2l.predict_sentiment(net, vocab, 'this movie is so great')

预测结果：

‘positive’

d2l.predict_sentiment(net, vocab, 'this movie is so bad')

预测结果：

‘negative’

小结

1、一维卷积神经网络可以处理文本中的局部特征，例如n元语法。
2、多输入通道的一维互相关等价于单输入通道的二维互相关。
3、最大时间池化层允许在不同通道上使用不同数量的时间步长。
4、textCNN模型使用一维卷积层和最大时间池化层将单个词元表示转换为下游应用输出。