Transformers para el procesamiento de texto

Deep Learning para texto con PyTorch

Shubham Jain

Instructor

¿Por qué usar transformadores para el procesamiento de texto?

" Logo de Transformers

Velocidad
Entender la relación entre palabras, independientemente de las distancias
Respuesta similar a la humana {{3}}"

Componentes de un transformador

"- Codificador: Procesa los datos de entrada

Decodificador: Reconstruye la salida

Redes neuronales feed-forward: Refinan la comprensión

Codificación posicional: Garantiza que el orden importe

Atención multi-cabeza: Captura múltiples entradas o sentimientos {{5}}"

"Preparando nuestros datos: división en entrenamiento y prueba"

sentences = ["Me encanta este producto", "Esto es terrible", 
             "Podría ser mejor", "Esto es lo mejor"]
labels = [1, 0, 0, 1]

train_sentences = sentences[:3]
train_labels = labels[:3]
test_sentences = sentences[3:]
test_labels = labels[3:]

Creación del modelo transformer

"`python class TransformerEncoder(nn.Module):


----CODE_GLUE----
```python
    def __init__(self, embed_size, heads, num_layers, dropout):
        super(TransformerEncoder, self).__init__()

        self.encoder = nn.TransformerEncoder(
         nn.TransformerEncoderLayer(d_model=embed_size, nhead=heads),
         num_layers=num_layers)

        self.fc = nn.Linear(embed_size, 2)

    def forward(self, x):

        x = self.encoder(x)

        x = x.mean(dim=1)

        return self.fc(x)

model = TransformerEncoder(embed_size=512, heads=8, num_layers=3, dropout=0.5)

----CODE_GLUE---- python optimizer = optim.Adam(model.parameters(), lr=0.001) criterion = nn.CrossEntropyLoss(){{10}}"

Entrenamiento de los transformers

"python for epoch in range(5):

----CODE_GLUE---- python for sentence, label in zip(train_sentences, train_labels): tokens = sentence.split()

Prediciendo los transformers

"`python def predict(sentence): model.eval()


----CODE_GLUE----
```python
    with torch.no_grad():

        tokens = sentence.split()
        data = torch.stack([token_embeddings.get(token, torch.rand((1, 512))) 
                            for token in tokens], dim=1)

        output = model(data)

        predicted = torch.argmax(output, dim=1)

----CODE_GLUE---- python return \"Positive\" if predicted.item() == 1 else \"Negative\"{{6}}"

Predecir en texto nuevo

sample_sentence = "Este producto puede ser mejor"
print(f"'{sample_sentence}' es {predict(sample_sentence)}")

'Este producto puede ser mejor' es Negativo

Es hora de la práctica.

Deep Learning para texto con PyTorch