Beam Search
簡單介紹一下在文本生成任務中常用的解碼策略Beam Search（集束搜索）。
生成式任務相比普通的分類、tagging等NLP任務會復雜不少。在生成的時候，模型的輸出是一個時間步一個時間步依次獲得的，而且前面時間步的結果還會影響后面時間步的結果。也就是說，每一個時間步，模型給出的都是基於歷史生成結果的條件概率。為了生成完整的句子，需要一個稱為解碼的額外動作來融合模型多個時間步的輸出，而且使得最終得到的序列的每一步條件概率連乘起來最大。
在文本生成任務中，每一個時間步可能的輸出種類稱為字典大小(vocabulary size，我們用V表示)，進行T步隨機的生成可能獲得的結果總共有V^T種。拿中文文本生成來說，V 的值大約是5000-6000，即常用漢字的個數。在如此大的基數下，遍歷整個生成空間是不現實的。
貪心搜索
每一個時間步都取出一個條件概率最大的輸出，如圖：
Beam Search
思路也很簡單，就是稍微放寬一些考察的范圍。在每一個時間步，不再只保留當前分數最高的1個輸出，而是保留num_beams個。當num_beams=1時集束搜索就退化成了貪心搜索。
Beam Search示意圖
-
在第一個時間步，A和C是最優的兩個，因此得到了兩個結果[A],[C]，其他三個就被拋棄了；
-
第二步會基於這兩個結果繼續進行生成，在A這個分支可以得到5個候選人，[AA],[AB],[AC],[AD],[AE]，C也同理得到5個，此時會對這10個進行統一排名，再保留最優的兩個，即圖中的[AB]和[CE]；
-
第三步同理，也會從新的10個候選人里再保留最好的兩個，最后得到了[ABD],[CED]兩個結果。 可以發現，beam search在每一步需要考察的候選人數量是貪心搜索的num_beams倍，因此是一種犧牲時間換性能的方法。
Beam Search代碼解析
Beam Search的原理雖然簡單，但實際實現的時候卻有很多細節要考慮。下面要解析這個實現出自於NLP界著名Python包Transformers[1]，我為了說明方便做了一些改動。
一個正確且高效的算法需要處理的問題大概有兩個：
-
充分利用硬件，可以處理批量數據，且盡量使用並行計算少用循環
-
處理好長短不同的生成結果
下面是基礎版的beam search函數定義。其中context是編碼器編碼獲得的向量，batch_size是每批數據中包含的樣本量，bos_token_id是句子開頭標志的token id，pad_token_id是用於填充的token id，eos_token_id是句子結束標志的token id。這里給參數填上的默認值和我們后面講解時使用的例子是一致的。
def beam_search_generate(context, batch_size=3, max_length=20, min_length=2, num_beams=2, bos_token_id=101, pad_token_id=0, eos_token_id=102, ): pass
在函數中主要執行以下三個步驟：
-
准備初始輸入
-
在當前生成的序列長度未達到
max_length時擴展生成序列 -
准備最終輸出的序列
准備初始輸入
# 建立beam容器，每個樣本一個 generated_hyps = [ BeamHypotheses(num_beams, max_length, length_penalty, early_stopping=early_stopping) for _ in range(batch_size) ] # 每個beam容器的得分，共batch_size*num_beams個 beam_scores = torch.zeros((batch_size, num_beams), dtype=torch.float, device=encoder_input_ids.device) beam_scores = beam_scores.view(-1) # 每個樣本是否完成生成，共batch_size個 done = [False for _ in range(batch_size)] # 為了並行計算，一次生成batch_size*num_beams個序列 # 第一步自動填入bos_token input_ids = torch.full( (batch_size*num_beams, 1), bos_token_id, dtype=torch.long, device=next(self.parameters()).device, ) # 當前長度設為1 cur_len = 1
其中BeamHypotheses是一個容器類，每個樣本綁定一個。每個容器中會維護num_beams個當前最優的序列。當往容器中添加一個序列而導致序列數大於num_beams的時候，它會自動踢掉分數最低的那個序列。類代碼如下。
class BeamHypotheses(object): def __init__(self, num_beams, max_length, length_penalty): self.max_length = max_length - 1 # ignoring bos_token self.num_beams = num_beams self.beams = [] self.worst_score = 1e9 def __len__(self): return len(self.beams) def add(self, hyp, sum_logprobs): score = sum_logprobs / len(hyp) ** self.length_penalty if len(self) < self.num_beams or score > self.worst_score: # 可更新的情況：數量未飽和或超過最差得分 self.beams.append((score, hyp)) if len(self) > self.num_beams: # 數量飽和需要刪掉一個最差的 sorted_scores = sorted([(s, idx) for idx, (s, _) in enumerate(self.beams)]) del self.beams[sorted_scores[0][1]] self.worst_score = sorted_scores[1][0] else: self.worst_score = min(score, self.worst_score) def is_done(self, best_sum_logprobs, cur_len=None): """ 相關樣本是否已經完成生成。 best_sum_logprobs是新的候選序列中的最高得分。 """ if len(self) < self.num_beams: return False else: if cur_len is None: cur_len = self.max_length cur_score = best_sum_logprobs / cur_len ** self.length_penalty # 是否最高分比當前保存的最低分還差 ret = self.worst_score >= cur_score return ret
序列擴展
序列擴展是beam search的核心過程，我們特地畫了一張圖來解釋這個版本的實現策略。
序列擴展示意圖，下面對照這個圖來講解代碼。
while cur_len < max_length: # 將編碼器得到的上下文向量和當前結果輸入解碼器，即圖中1 output = decoder.decode_next_step(context, input_ids) # 輸出矩陣維度為：(batch*num_beams)*cur_len*vocab_size # 取出最后一個時間步的各token概率，即當前條件概率 # (batch*num_beams)*vocab_size scores = next_token_logits = output[:, -1, :] ########################### # 這里可以做一大堆操作減少重復 # ########################### # 計算序列條件概率的，因為取了log，所以直接相加即可。得到圖中2矩陣 # (batch_size * num_beams, vocab_size) next_scores = scores + beam_scores[:, None].expand_as(scores) # 為了提速，將結果重排成圖中3的形狀 next_scores = next_scores.view( batch_size, num_beams * vocab_size ) # (batch_size, num_beams * vocab_size) # 取出分數最高的token（圖中黑點）和其對應得分 # sorted=True，保證返回序列是有序的 next_scores, next_tokens = torch.topk(next_scores, 2 * num_beams, dim=1, largest=True, sorted=True) # 下一個時間步整個batch的beam列表 # 列表中的每一個元素都是三元組 # (分數, token_id, beam_id) next_batch_beam = [] # 對每一個樣本進行擴展 for batch_idx in range(batch_size): # 檢查樣本是否已經生成結束 if done[batch_idx]: # 對於已經結束的句子，待添加的是pad token next_batch_beam.extend([(0, pad_token_id, 0)] * num_beams) # pad the batch continue # 當前樣本下一個時間步的beam列表 next_sent_beam = [] # 對於還未結束的樣本需要找到分數最高的num_beams個擴展 # 注意，next_scores和next_tokens是對應的 # 而且已經按照next_scores排好順序 for beam_token_rank, (beam_token_id, beam_token_score) in enumerate( zip(next_tokens[batch_idx], next_scores[batch_idx]) ): # get beam and word IDs # 這兩行可參考圖中3進行理解 beam_id = beam_token_id // vocab_size token_id = beam_token_id % vocab_size effective_beam_id = batch_idx * num_beams + beam_id # 如果出現了EOS token說明已經生成了完整句子 if (eos_token_id is not None) and (token_id.item() == eos_token_id): # if beam_token does not belong to top num_beams tokens, it should not be added is_beam_token_worse_than_top_num_beams = beam_token_rank >= num_beams if is_beam_token_worse_than_top_num_beams: continue # 往容器中添加這個序列 generated_hyps[batch_idx].add( input_ids[effective_beam_id].clone(), beam_token_score.item(), ) else: # add next predicted word if it is not eos_token next_sent_beam.append((beam_token_score, token_id, effective_beam_id)) # 擴展num_beams個就夠了 if len(next_sent_beam) == num_beams: break # 檢查這個樣本是否已經生成完了，有兩種情況 # 1. 已經記錄過該樣本結束 # 2. 新的結果沒有使結果改善 done[batch_idx] = done[batch_idx] or generated_hyps[batch_idx].is_done( next_scores[batch_idx].max().item(), cur_len=cur_len ) # 把當前樣本的結果添加到batch結果的后面 next_batch_beam.extend(next_sent_beam) # 如果全部樣本都已經生成結束便可以直接退出了 if all(done): break # 把三元組列表再還原成三個獨立列表 beam_scores = beam_scores.new([x[0] for x in next_batch_beam]) beam_tokens = input_ids.new([x[1] for x in next_batch_beam]) beam_idx = input_ids.new([x[2] for x in next_batch_beam]) # 准備下一時刻的解碼器輸入 # 取出實際被擴展的beam input_ids = input_ids[beam_idx, :] # 在這些beam后面接上新生成的token input_ids = torch.cat([input_ids, beam_tokens.unsqueeze(1)], dim=-1) # 更新當前長度 cur_len = cur_len + 1 # end of length while
准備輸出
上面那個while循環跳出意味着已經生成了長度為max_length的文本，比較理想的情況是所有的句子都已經生成出了eos_token_id，即句子生成結束了。但並不是所有情況都這樣，對於那些”意猶未盡“的樣本，我們需要先手動結束。
# 將未結束的生成結果結束，並置入容器中 for batch_idx in range(batch_size): # 已經結束的樣本不需處理 if done[batch_idx]: continue # 把結果加入到generated_hyps容器 for beam_id in range(num_beams): effective_beam_id = batch_idx * num_beams + beam_id final_score = beam_scores[effective_beam_id].item() final_tokens = input_ids[effective_beam_id] generated_hyps[batch_idx].add(final_tokens,final_score)
經過上面的處理，所有生成好的句子都已經保存在generated_hyps容器中，每個容器內保存着num_beams個序列，最后就是輸出期望個數的句子。
# select the best hypotheses，最終輸出 # 每個樣本返回幾個句子 output_num_return_sequences_per_batch = 1 # 記錄每個返回句子的長度，用於后面pad sent_lengths = input_ids.new(output_batch_size) best = [] # 對每個樣本取出最好的output_num_return_sequences_per_batch個句子 for i, hypotheses in enumerate(generated_hyps): sorted_hyps = sorted(hypotheses.beams, key=lambda x: x[0]) for j in range(output_num_return_sequences_per_batch): effective_batch_idx = output_num_return_sequences_per_batch * i + j best_hyp = sorted_hyps.pop()[1] sent_lengths[effective_batch_idx] = len(best_hyp) best.append(best_hyp) # 如果長短不一則pad句子，使得最后返回結果的長度一樣 if sent_lengths.min().item() != sent_lengths.max().item(): sent_max_len = min(sent_lengths.max().item() + 1, max_length) # 先把輸出矩陣填滿PAD token decoded = input_ids.new(output_batch_size, sent_max_len).fill_(pad_token_id) # 填入真正的內容 for i, hypo in enumerate(best): decoded[i, : sent_lengths[i]] = hypo # 填上eos token if sent_lengths[i] < max_length: decoded[i, sent_lengths[i]] = eos_token_id else: # 所有生成序列都還沒結束，直接堆疊即可 decoded = torch.stack(best).type(torch.long).to(next(self.parameters()).device) # 返回的結果包含BOS token return decoded
總結
好了，上面就是最基礎的beam search算法。這樣生成出來的結果已經會比貪心搜索好一些，但還是會遇到諸如詞語重復這樣的問題。其實已經有很多針對重復