如何在 keras 中添加注意力机制？

Question

我目前正在使用从github上的一次讨论中获得的这段代码，这是注意力机制的代码：

_input = Input(shape=[max_length], dtype='int32')

# get the embedding layer
embedded = Embedding(
        input_dim=vocab_size,
        output_dim=embedding_size,
        input_length=max_length,
        trainable=False,
        mask_zero=False
    )(_input)

activations = LSTM(units, return_sequences=True)(embedded)

# compute importance for each step
attention = Dense(1, activation='tanh')(activations)
attention = Flatten()(attention)
attention = Activation('softmax')(attention)
attention = RepeatVector(units)(attention)
attention = Permute([2, 1])(attention)


sent_representation = merge([activations, attention], mode='mul')
sent_representation = Lambda(lambda xin: K.sum(xin, axis=-2), output_shape=(units,))(sent_representation)

probabilities = Dense(3, activation='softmax')(sent_representation)

这是正确的方法吗？ 我有点期待时间分布层的存在，因为注意力机制分布在 RNN 的每个时间步长中。 我需要有人来确认这个实现（代码）是注意力机制的正确实现。 谢谢你。

Answer 1

如果您想关注时间维度，那么这部分代码对我来说似乎是正确的：

activations = LSTM(units, return_sequences=True)(embedded)

# compute importance for each step
attention = Dense(1, activation='tanh')(activations)
attention = Flatten()(attention)
attention = Activation('softmax')(attention)
attention = RepeatVector(units)(attention)
attention = Permute([2, 1])(attention)

sent_representation = merge([activations, attention], mode='mul')

您已经计算出形状(batch_size, max_length)的注意力向量：

attention = Activation('softmax')(attention)

我以前从未见过这个代码，所以我不能说这个代码是否真的正确：

K.sum(xin, axis=-2)

进一步阅读（你可以看看）：

• https://github.com/philipperemy/keras-visualize-activations

• https://github.com/philipperemy/keras-attention-mechanism

Answer 2

注意力机制关注句子的不同部分：

activations = LSTM(units, return_sequences=True)(embedded)

它通过以下方式确定该句子的每个隐藏状态的贡献

1. 计算每个隐藏状态的聚合attention = Dense(1, activation='tanh')(activations)
2. 为不同状态分配权重attention = Activation('softmax')(attention)

最后注意不同的状态：

sent_representation = merge([activations, attention], mode='mul')

这部分我不太明白： sent_representation = Lambda(lambda xin: K.sum(xin, axis=-2), output_shape=(units,))(sent_representation)

想了解更多可以参考this和this ，this one也给出了一个很好的实现，看你自己能不能多了解一些。

Answer 3

最近我正在研究在密集层上应用注意力机制，这是一个示例实现：

def build_model():
  input_dims = train_data_X.shape[1]
  inputs = Input(shape=(input_dims,))
  dense1800 = Dense(1800, activation='relu', kernel_regularizer=regularizers.l2(0.01))(inputs)
  attention_probs = Dense( 1800, activation='sigmoid', name='attention_probs')(dense1800)
  attention_mul = multiply([ dense1800, attention_probs], name='attention_mul')
  dense7 = Dense(7, kernel_regularizer=regularizers.l2(0.01), activation='softmax')(attention_mul)   
  model = Model(input=[inputs], output=dense7)
  model.compile(optimizer='adam',
                loss='categorical_crossentropy',
                metrics=['accuracy'])
  return model

print (model.summary)

model.fit( train_data_X, train_data_Y_, epochs=20, validation_split=0.2, batch_size=600, shuffle=True, verbose=1)

Answer 4

我觉得你可以试试下面的代码，用 LSTM 网络添加 keras 自注意力机制

    from keras_self_attention import SeqSelfAttention

    inputs = Input(shape=(length,))
    embedding = Embedding(vocab_size, EMBEDDING_DIM, weights=[embedding_matrix], input_length=MAX_SEQUENCE_LENGTH, trainable=False)(inputs)
    lstm = LSTM(num_lstm, input_shape=(X[train].shape[0], X[train].shape[1]), return_sequences=True)(embedding)
    attn = SeqSelfAttention(attention_activation='sigmoid')(lstm)
    Flat = Flatten()(attn)
    dense = Dense(32, activation='relu')(Flat)
    outputs = Dense(3, activation='sigmoid')(dense)
    model = Model(inputs=[inputs], outputs=outputs)
    model.compile(loss='binary_crossentropy', optimizer=Adam(0.001), metrics=['accuracy'])
    model.fit(X_train, y_train, epochs=10, batch_size=32,  validation_data=(X_val,y_val), shuffle=True)

Answer 5

虽然提供了许多不错的选择，但我已尝试修改您共享的代码以使其工作。 我还回答了您目前尚未解决的其他问题：

一季度。 这是正确的方法吗？ 注意层本身看起来不错。 无需更改。 您使用注意力层输出的方式可以稍微简化和修改，以包含一些最近的框架升级。

    sent_representation = merge.Multiply()([activations, attention])
    sent_representation = Lambda(lambda xin: K.sum(xin, axis=1))(sent_representation)

你现在可以走了！

Q2。 我有点期待时间分布层的存在，因为注意力机制分布在 RNN 的每个时间步

不，您不需要时间分布层，否则权重将跨时间步共享，这不是您想要的。

其他具体细节可以参考： https : //towardsdatascience.com/create-your-own-custom-attention-layer-understand-all-flavours-2201b5e8be9e