TensorFlowでRNNを実装する
目的
文脈から次に来る文字を予測するRNNを作る。
具体的には連続する英字5文字をインプットデータとして与えた時に次に来る英字1文字をアウトプットするものを作りたい。
方法
TensorFlowを用いる。
RNNへ与える英字データは以下のリンクの記事本文の英字をone_hotベクトル形式にしたものを利用した。そのデータ整形のコードは後述する。
‘An Endless War’: Why 4 U.S. Soldiers Died in a Remote African Desert - The New York Times
RNNの構造を記述したコードは以下の通り。
def __init__(self): self.input_layer_size = 27 self.hidden_layer_size = 30 self.output_layer_size = 27 self.chunk_size = 5 self.batch_size = 128 self.epoch = 100 def inference(self, input, initial_state): w_hidden = tf.Variable(tf.random_normal([self.input_layer_size, self.hidden_layer_size], dtype="float64")) b_hidden = tf.Variable(tf.random_normal([self.hidden_layer_size], dtype="float64")) w_output = tf.Variable(tf.random_normal([self.hidden_layer_size, self.output_layer_size], dtype="float64")) b_output = tf.Variable(tf.random_normal([self.output_layer_size], dtype="float64")) input = tf.reshape(tf.transpose(input, [1, 0, 2]), [-1, self.input_layer_size]) input_to_hidden = (tf.matmul(input, w_hidden) + b_hidden) input_to_hidden = tf.split(input_to_hidden, self.chunk_size) cell = tf.nn.rnn_cell.BasicRNNCell(self.hidden_layer_size, tf.AUTO_REUSE) hidden_to_output, final_state = tf.contrib.rnn.static_rnn(cell, input_to_hidden, initial_state=initial_state) output = (tf.matmul(hidden_to_output[-1], w_output) + b_output) return output
以下に順に解説していく。
def __init__(self): self.input_layer_size = 27 self.hidden_layer_size = 30 self.output_layer_size = 27 self.chunk_size = 5 self.batch_size = 128 self.epoch = 1000
input_layer_sizeとoutput_layer_sizeは英字の種類であり、27個(アルファベット26文字+インデント)。chunk_sizeは何文字前まで参照するかを定義し、今回は5文字。
inferenceメソッドはRNNの構造を記したもの。重み(w)とバイアス(b)は通常のDNNと同様。通常のDNN少し異なるのは以下の部分。
input = tf.reshape(tf.transpose(input, [1, 0, 2]), [-1, self.input_layer_size]) input_to_hidden = (tf.matmul(input, w_hidden) + b_hidden) input_to_hidden = tf.split(input_to_hidden, self.chunk_size) cell = tf.nn.rnn_cell.BasicRNNCell(self.hidden_layer_size, tf.AUTO_REUSE) hidden_to_output, final_state = tf.contrib.rnn.static_rnn(cell, input_to_hidden, initial_state=self.initial_state) output = (tf.matmul(hidden_to_output[-1], w_output) + b_output)
RNNは隠れ層に繰り返しinputを渡し続けるNNであるためinputはデータがchunk_size(5個)だけ繋がったリストとなる。
隠れ層はデータを受け取るたびに出力層へデータを渡す。今回欲しい出力データはこのうちの最後(5個目)のデータである。なぜなら、RNNは隠れ層のcellと呼ばれる部分に過去の入力データを記憶する性質を持つため、最後に出力されるデータは過去全ての入力データを参照したものとなるからである。
コードの全容は以下の通り。
import tensorflow as tf import numpy as np import re class Prepare_data: def __init__(self, file): self.chunk_size = 5 self.vocabulary_size = 27 self.file = open(file) def file_to_text(self): text = self.file.read() return text def text_to_array(self): text = self.file_to_text() text = text.lower() text = text.replace("\n", " ") text = re.sub(r"[^a-z ]", "", text) text = re.sub(r"[ ]+", " ", text) code_list = [] for i in range(len(text)): if text[i] == " ": code_list.append(self.vocabulary_size - 1) else: code_list.append(ord(text[i])-ord("a")) code_array = np.array(code_list) return code_array def array_to_one_hot(self): array = self.text_to_array() one_hot = np.eye(self.vocabulary_size)[array] return one_hot def make_data(self): one_hot = self.array_to_one_hot() data_num = one_hot.shape[0] - self.chunk_size input_data = np.zeros([data_num, self.chunk_size, self.vocabulary_size]) output_data = np.zeros([data_num, self.vocabulary_size]) for i in range(data_num): output_data[i, :] = one_hot[i + self.chunk_size, :] for j in range(self.chunk_size): input_data[i, j, :] = one_hot[i + j, :] training_num = data_num * 4 // 5 input_train = input_data[: training_num] output_train = output_data[: training_num] input_test = input_data[training_num :] output_test = output_data[training_num :] return input_train, output_train, input_test, output_test class Rnn: def __init__(self): self.input_layer_size = 27 self.hidden_layer_size = 30 self.output_layer_size = 27 self.chunk_size = 5 self.batch_size = 128 self.epoch = 100 def inference(self, input_data, initial_state): w_hidden = tf.Variable(tf.random_normal([self.input_layer_size, self.hidden_layer_size], dtype="float64")) b_hidden = tf.Variable(tf.random_normal([self.hidden_layer_size], dtype="float64")) w_output = tf.Variable(tf.random_normal([self.hidden_layer_size, self.output_layer_size], dtype="float64")) b_output = tf.Variable(tf.random_normal([self.output_layer_size], dtype="float64")) input_data = tf.reshape(tf.transpose(input_data, [1, 0, 2]), [-1, self.input_layer_size]) input_to_hidden = (tf.matmul(input_data, w_hidden) + b_hidden) input_to_hidden = tf.split(input_to_hidden, self.chunk_size) cell = tf.nn.rnn_cell.BasicRNNCell(self.hidden_layer_size, reuse=tf.AUTO_REUSE) hidden_to_output, final_state = tf.contrib.rnn.static_rnn(cell, input_to_hidden, initial_state=initial_state) output = (tf.matmul(hidden_to_output[-1], w_output) + b_output) return output def cost(self, output_data, labels): cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=labels, logits=output_data)) return cost def training(self, cost): optimizer = tf.train.AdamOptimizer() training = optimizer.minimize(cost) return training def train(self, file): test_data = Prepare_data(file) input_train, output_train, input_test, output_test = test_data.make_data() zero_state = np.zeros([self.batch_size, self.hidden_layer_size], dtype="float64") input_data = tf.placeholder(tf.float64, [None, self.chunk_size, self.input_layer_size]) labels = tf.placeholder(tf.float64, [None, self.output_layer_size]) initial_state = tf.placeholder(tf.float64, [None, self.hidden_layer_size]) prediction = self.inference(input_data, initial_state) cost = self.cost(prediction, labels) training = self.training(cost) correct = tf.equal(tf.argmax(prediction, 1), tf.argmax(labels, 1)) accuracy = tf.reduce_mean(tf.cast(correct, dtype="float64")) with tf.Session() as sess: init = tf.global_variables_initializer() sess.run(init) for epoch in range(self.epoch): step = 1 sum_cost = 0 sum_acc = 0 while self.batch_size * step < input_train.shape[0]: input_batch = input_train[self.batch_size * (step - 1) : self.batch_size * step] output_batch = output_train[self.batch_size * (step - 1) : self.batch_size * step] c, _, a= sess.run([cost, training, accuracy], feed_dict = {input_data: input_batch, labels: output_batch, initial_state: zero_state}) sum_cost += c sum_acc += a step += 1 ave_cost = sum_cost / step epoch_acc = sum_acc / step print("epoch: {0}, cost: {1}, epoch_accuracy: {2}".format(epoch, ave_cost, epoch_acc)) print("Training finished") saver = tf.train.Saver() saver.save(sess, "./rnn_model") zero_state = np.zeros([input_test.shape[0], self.hidden_layer_size], dtype = "float64") a = sess.run(accuracy, feed_dict = {input_data: input_test, labels: output_test, initial_state: zero_state}) print("accuracy: {0}".format(a)) def predict(self, context): context = context.replace("\n", " ") context = re.sub(r"[^a-z ]", "", context) context = re.sub(r"[ ]+", " ", context) code_list = [] for i in range(self.chunk_size): if context[- self.chunk_size + i] == " ": code_list.append(self.input_layer_size - 1) else: code_list.append(ord(context[- self.chunk_size + i])-ord("a")) code_array = np.array(code_list) one_hot = np.eye(self.input_layer_size)[code_array] input_pred = np.array([one_hot]) zero_state = np.zeros([1, self.hidden_layer_size], dtype="float64") input_data = tf.placeholder(tf.float64, [None, self.chunk_size, self.input_layer_size]) initial_state = tf.placeholder(tf.float64, [None, self.hidden_layer_size]) prediction = tf.nn.softmax(self.inference(input_pred, initial_state)) labels_pred = tf.argmax(prediction, 1) with tf.Session() as sess: saver = tf.train.Saver() saver.restore(sess, "./rnn_model") p, l = sess.run([prediction, labels_pred], feed_dict = {input_data: input_pred, initial_state: zero_state}) for i in range(27): c = "_" if i == 26 else chr(i + ord("a")) print("{0}: {1}".format(c, p[0][i])) print("prediction: {0}{1}".format(context, "_" if l[0] == 26 else chr(l[0] + ord("a")))) if __name__=="__main__": test_rnn = Rnn() test_rnn.train("make_data.txt") test_rnn.predict("convenenc")
正答率accuracyは4~4.5割程度であった。
また、最後のpredictメソッドを用いて、このコードでは単語convenienceの最後の文字を予測している。出力は以下の通り。
a: 0.019035454464732912 b: 4.738969637915792e-05 c: 0.002247770203502709 d: 0.001837168048159533 e: 0.49697183882149765 f: 6.776540899790401e-05 g: 6.803134720461048e-05 h: 0.005946570921486447 i: 0.1673174318507702 j: 7.938482418039402e-06 k: 0.05220353655820905 l: 0.047701385886800916 m: 0.0013250150854317872 n: 3.290372918878667e-06 o: 0.054324048979877804 p: 9.949375085362273e-05 q: 2.1549538581465823e-06 r: 0.0037619100217858355 s: 0.001999873710888758 t: 0.05791267551071772 u: 0.012747023559624206 v: 0.00020888998332423605 w: 0.0006592194567317431 x: 5.221744771573335e-09 y: 0.03779918142399007 z: 1.128392322579622e-07 _: 0.035704823438861145 prediction: convenience
1字ごとの確率を表示したのちに最終的な予測を表示している。今回は正しく予測できている。
参考
シンプルなRNNで文字レベルの言語モデルをTensorFlowで実装してみる - 今日も窓辺でプログラム
TensorFlow