Treinando o modelo NMT

Machine Translation with Keras

Thushan Ganegedara

Data Scientist and Author

Revisitando o modelo

GRU codificador
- Consome palavras em inglês
- Gera um vetor de contexto
GRU decodificador
- Consome o vetor de contexto
- Gera uma sequência de saídas da GRU
Camada de predição do decodificador
- Consome a sequência de saídas da GRU
- Produz probabilidades de predição para palavras em francês

Otimizando os parâmetros

Camada GRU e camada Dense têm parâmetros
Geralmente representados por W (pesos) e b (viés) (inicializados aleatoriamente)
Responsáveis por transformar uma entrada em uma saída útil
Ajustados ao longo do tempo para minimizar a perda usando um otimizador
- Loss: Calculada como a diferença entre:
  - As previsões (palavras em francês geradas pelo modelo)
  - As saídas reais (palavras reais em francês).
Informados ao modelo na compilação

nmt.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['acc'])

Treinando o modelo

Iterações de treinamento

for ei in range(n_epochs): # Uma passada pelo conjunto de dados
  for i in range(0,data_size,bsize): # Processando um único lote

Obtendo um lote de dados de treino

  en_x = sents2seqs('source', en_text[i:i+bsize], onehot=True, reverse=True)
  de_y = sents2seqs('target', en_text[i:i+bsize], onehot=True)

Treinando em um único lote
```
  nmt.train_on_batch(en_x, de_y)
```

Avaliando o modelo

  res = nmt.evaluate(en_x, de_y, batch_size=bsize, verbose=0)

Treinando o modelo

Obtendo a perda de treino e a acurácia

  res = nmt.evaluate(en_x, de_y, batch_size=bsize, verbose=0)
  print("Epoch {} => Train Loss:{}, Train Acc: {}".format(
    ei+1,res[0], res[1]*100.0))

Epoch 1 => Train Loss:4.8036723136901855, Train Acc: 5.215999856591225
...
Epoch 1 => Train Loss:4.718592643737793, Train Acc: 47.0880001783371
...
Epoch 5 => Train Loss:2.8161656856536865, Train Acc: 56.40000104904175
Epoch 5 => Train Loss:2.527724266052246, Train Acc: 54.368001222610474
Epoch 5 => Train Loss:2.2689621448516846, Train Acc: 54.57599759101868
Epoch 5 => Train Loss:1.9934935569763184, Train Acc: 56.51199817657471
Epoch 5 => Train Loss:1.7581449747085571, Train Acc: 55.184000730514526
Epoch 5 => Train Loss:1.5613118410110474, Train Acc: 55.11999726295471

Evitando overfitting

Divida o conjunto de dados em duas partes
- Conjunto de treino — para treinar o modelo
- Conjunto de validação — para monitorar a acurácia
Quando a acurácia de validação parar de subir, interrompa o treino.

Ponto de overfitting

Dividindo o conjunto de dados

Defina os tamanhos de treino e validação
```
train_size, valid_size = 800, 200
```

Embaralhe os índices aleatoriamente

inds = np.arange(len(en_text))
np.random.shuffle(inds)

Obtenha os índices de treino e validação

train_inds = inds[:train_size]
valid_inds = inds[train_size:train_size+valid_size]

Dividindo o conjunto de dados

Separe o conjunto de dados em:
- Dados com índices de treino → conjunto de treino
- Dados com índices de validação → conjunto de validação

tr_en = [en_text[ti] for ti in train_inds]
tr_fr = [fr_text[ti] for ti in train_inds]

v_en = [en_text[ti] for ti in valid_inds]
v_fr = [fr_text[ti] for ti in valid_inds]

Treinando o modelo com validação

n_epochs, bsize = 5, 250
for ei in range(n_epochs):

  for i in range(0,train_size,bsize):
    en_x = sents2seqs('source', tr_en[i:i+bsize], onehot=True, pad_type='pre')
    de_y = sents2seqs('target', tr_fr[i:i+bsize], onehot=True)
    nmt.train_on_batch(en_x, de_y)

  v_en_x = sents2seqs('source', v_en, onehot=True, pad_type='pre')
  v_de_y = sents2seqs('target', v_fr, onehot=True)

  res = nmt.evaluate(v_en_x, v_de_y, batch_size=valid_size, verbose=0)
  print("Epoch: {} => Loss:{}, Val Acc: {}".format(ei+1,res[0], res[1]*100.0))

Epoch 1 => Train Loss:4.8036723136901855, Train Acc: 5.215999856591225

Vamos praticar!

Machine Translation with Keras