Я реализовал двунаправленную нейронную сеть с долговременной краткосрочной памятью и условным слоем случайных полей (BiLSTM-CRF), используя keras
и keras_contrib
(последний для реализации CRF, который не является частью собственного keras functionality
. Задача была названа классификацией распознавания именованных объектов в один из 6 классов.Вход в сеть представляет собой последовательность 300-мерных предварительно обученных вложений слов GloVe.Это сводка моей модели:
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
input_1 (InputLayer) (None, 648) 0
_________________________________________________________________
embedding_1 (Embedding) (None, 648, 300) 1500000
_________________________________________________________________
bidirectional_1 (Bidirection (None, 648, 10000) 3204000
_________________________________________________________________
crf_1 (CRF) (None, 648, 6) 6054
=================================================================
Теперь я хочу реализовать ту же модель в TensorFlow
1.15. Поскольку модуль keras_contrib CRF работает только в keras, но не в TensorFlow, я использовал реализацию CRF, созданную для TensorFlow
1.X из это репозиторий. Репозиторий включает два хороших примера реализации CRF здесь, но каждый выдает другую ошибку при обучении на моих данных.
Реализация 1
from tensorflow.keras.layers import Bidirectional, Embedding, LSTM, TimeDistributed
from tensorflow.keras.models import Sequential
from tf_crf_layer.layer import CRF
from tf_crf_layer.loss import crf_loss
from tf_crf_layer.metrics import crf_accuracy
MAX_WORDS = 50000
EMBEDDING_LENGTH = 300
MAX_SEQUENCE_LENGTH = 648
HIDDEN_SIZE = 512
model = Sequential()
model.add(Embedding(MAX_WORDS, EMBEDDING_LENGTH, input_length=MAX_SEQUENCE_LENGTH, mask_zero=True, weights=[embedding_matrix], trainable=False))
model.add(Bidirectional(LSTM(HIDDEN_SIZE, return_sequences=True)))
model.add(CRF(len(labels)))
model.compile('adam', loss=crf_loss, metrics=[crf_accuracy])
Это ошибка, которую я получаю, когда пытаюсь скомпилировать модель:
File "/.../tf_crf_layer/metrics/crf_accuracy.py", line 48, in crf_accuracy
crf, idx = y_pred._keras_history[:2]
AttributeError: 'Tensor' object has no attribute '_keras_history'
Ошибка возникает при вычислении crf_accuracy
из репо, упомянутого выше.
def crf_accuracy(y_true, y_pred):
"""
Get default accuracy based on CRF `test_mode`.
"""
import pdb; pdb.set_trace()
crf, idx = y_pred._keras_history[:2]
if crf.test_mode == 'viterbi':
return crf_viterbi_accuracy(y_true, y_pred)
else:
return crf_marginal_accuracy(y_true, y_pred)
По-видимому, такая ошибка возникает, когда тензорный объект не является результатом слоя keras, согласно этой ветке. Почему эта ошибка появляется здесь?
Реализация 2
from tf_crf_layer.layer import CRF
from tf_crf_layer.loss import crf_loss, ConditionalRandomFieldLoss
from tf_crf_layer.metrics import crf_accuracy
from tf_crf_layer.metrics.sequence_span_accuracy import SequenceSpanAccuracy
model = Sequential()
model.add(Embedding(MAX_WORDS, EMBEDDING_LENGTH, input_length=MAX_SEQUENCE_LENGTH, mask_zero=True, weights=[embedding_matrix], trainable=False))
model.add(Bidirectional(LSTM(HIDDEN_SIZE, return_sequences=True)))
model.add(CRF(len(labels), name="crf_layer"))
model.summary()
crf_loss_instance = ConditionalRandomFieldLoss()
model.compile(loss={"crf_layer": crf_loss_instance}, optimizer='adam', metrics=[SequenceSpanAccuracy()])
Здесь модель компилируется, но как только начинается первая эпоха обучения, всплывает вот такая ошибка:
InvalidArgumentError: Expected begin and size arguments to be 1-D tensors of size 3, but got shapes [2] and [2] instead.
[[{{node loss_4/crf_layer_loss/Slice_1}}]]
Я тренирую модель, используя мини-пакеты, может ли это объяснить ошибку? Я также заметил, что в сводке моей модели для уровня CRF отсутствует измерение (сравните спецификацию уровня CRF в сводке выше и в сводке ниже), хотя количество параметров для этого слоя такое же, как и выше. Почему возникает это несоответствие и как его можно исправить?
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
embedding_5 (Embedding) (None, 648, 300) 1500000
_________________________________________________________________
bidirectional_5 (Bidirection (None, 648, 1000) 3204000
_________________________________________________________________
crf_layer (CRF) (None, 648) 6054
=================================================================