写给NLP研究者的编程指南

最近AllenNLP在EMNLP2018上做了一个主题分享,名为“写给NLP研究者的编程指南”(Writing Code for NLP Research)。

内容干货满满,仅仅只是看了slide就知道是非常有意思的一次演讲了。slide共有254页之多,这里我简单做个摘要,分享一些有意思的内容。

有时间的话推荐大家直接看slide,下面是地址,请自备梯子。

https://github.com/allenai/writing-code-for-nlp-research-emnlp2018/blob/master/writing_code_for_nlp_research.pdfgithub.com

下面是整个分享的大纲。通过这次演讲,你可以学到如何写代码来促进你的研究,以及可复现的实验。

这里有两种写研究代码的模式,一种是写原型,一种是写组件。

我们先从写原型的方式开始介绍。

当我们开始写一个原型代码的时候,我们要做到下面三点。

  1. 写代码要快
  2. 跟踪实验结果
  3. 分析模型结果

快速开发

要做到快速编程,不要从头开始写所有内容,而是使用框架。这里的框架不仅指tensorflow或pytorch之类的框架,也可以理解为模板。比如上图中如果写trining loop的部分,已经有人写好了。我们只要看懂后,直接拿来用就行,没有必要从头开始自己写所有部分。

上面提到的一些内容,都是可以找到现成框架来套用的。

Don’t start from scratch! Use someone else’s components.

如果有人把你想用的东西模块化了,还等什么,直接拿来用啊!

要想快速开发,另一个建议就是先复制,再重构。要记住,我们是在写原型,不用在乎什么可用性,先把代码写work了再说。如果实现的效果不错的话,再回去重构。

另外,我们要有好的编程习惯。比如起有意义的变量名,写注释帮助理解。记住,我们是写给人看的,不是机器!


跟踪实验结果

可以准备一个Excel表格,来记录实验结果

每次只改变一个部分,方便跟踪实验结果的变化其原因在于哪里。

这里光是embedder,我们就有很多种选择,


使用设定文件来记录模型的改变,方便我们以后查询当时的设定。


分析模型结果

在训练的时候,可视化对于分析模型表现是非常重要的。这个技能必须掌握。

Tensorboard可以提供很多分析结果。

Tensorboard能帮我们找到优化的bug。比如上图中的embedding梯度有两个数量级的差别。

原因在于embedding的梯度是稀疏梯度,即只有一部分会被更新。但是ADAM中的动量系数是针对整个embedding计算的,所以解决方法是直接引入特定的优化器:DenseSparseAdam。

对于预测结果,如果和做到交互式的方式来查看的话,是最好的。

开发组件

与写原型不同,开发可重复使用的组件有很多要注意的地方。

Code Reveiw是必不可少的。Review的时候,不仅能发现错误,还能提高代码的可读性。

如果我们不是软件开发人员的话,对于持续集成 以及构建自动化 这两个词可能比较陌生。通常我们只说持续集成的时候,也包含了构建自动化的意思。想要做到这点,要多写测试才行。


当然,如果我们不是开发一个很多人都会用到的库,上面这些步骤是用不到的ㄟ(▔,▔)ㄏ

不过测试很重要,如果是原型开发,也要做一些最基本的测试。

对读取的数据进行测试,看是否正确。

对模型进行测试,比如检查维度是否一致。

可以看到这两种测试的代码都不会很多。所以不要犯懒了,好好写测试吧。

关于AllenNLP库的一些介绍,这里就不花时间讨论了,感兴趣的可以看slide中p141~p205的部分。

下面直接进入分享的部分。

分享研究

简化安装的流程,令代码运行在任何平台,使用隔离的环境。

下面是使用Docker的一些优点。

用docker开发的好处不用多说,大家想必也已经都知道了。当然,缺点也是有的。

至于Python的包管理系统,AllenNLP采用了ANACONDA。

Docker是不错,但不适合做本地开发,这样的话,使用一些本地的包管理系统反而更方便。

最后做个总结。

  • 快速开发原型(要安全)
  • 写安全的产品代码(要快)
  • 好的流程有利于做出好的研究
  • 使用正确的抽象
  • 查看AllenNLP(广告)

这次分享的slide看了几遍,很多地方看得自己脸上发热,不写测试什么的说到了痛处。现在人工智能领域对于算法工程师的要求已经不是能掉个包,谈谈研究那么简单了,工程实践能力已经变得越来越重要。写优秀的代码,做优秀的研究,二者是一个互相促进的过程。最后放上原slide链接,感兴趣的最好自己看一遍。

https://github.com/allenai/writing-code-for-nlp-research-emnlp2018/blob/master/writing_code_for_nlp_research.pdfgithub.com

如果你有什么想法,欢迎评论区讨论。

编辑于 2018-12-26

文章被以下专栏收录