Google Brain用大規(guī)模神經機器翻譯架構分析

雷鋒網編者按：十年前，Google Translate發(fā)布。當時，這項服務背后的核心算法還是基于短語的機器翻譯。

而十年后的今天，更先進的神經網絡機器翻譯（ Neural Machine Translation）技術已經使得翻譯系統(tǒng)的速度和準確度有了大幅提升。Google發(fā)現，在多個樣本的翻譯中，神經網絡機器翻譯系統(tǒng)將誤差降低了 55%-85%甚至以上。

雖然成就喜人，但這對研究人員來說卻遠遠不夠。在他們看來，NMT領域還有太多可提升的空間。

近日，來自Google Brain的四位研究人員Denny Britz, Anna Goldie , Thang Luong, Quoc Le就由NMT訓練成本太高這一問題出發(fā)，對NMT 架構的超參數進行了大規(guī)模分析，并且對建立和擴展NMT構架提出了一些新穎觀點和實用建議。研究人員表示，學界還未有過類似的研究。

同時，該論文也已提交了今年的ACL大會（Association for Computational Linguistics）。

以下是為雷鋒網(公眾號：雷鋒網)編譯的部分論文內容。

摘要

在過去幾年里，基于神經機器翻譯（NMT）技術的產品系統(tǒng)被越來越多部署在終端客戶端中，NMT本身也因此獲得了巨大進步。但目前，NMT構架還存在著一個很大的缺點，即訓練它們的成本太高，尤其是GPU的收斂時間，有時會達到幾天到數周不等。這就使得窮舉超參數搜索（exhaustive hyperparameter search）的成本和其他常見神經網絡結構一樣，讓人望而卻步。

為此，我們首次對 NMT 架構的超參數進行了大規(guī)模分析。我們報告了數百次實驗測試的經驗結果和方差數（variance numbers），這相當于在標準WMT英譯德任務上運行超過250,000 GPU小時數的效果。從實驗結果中，我們提出了有關建立和擴展NMT構架的創(chuàng)新觀點，也提供了一些實用建議。

作為此次研究成果的一部分，我們也發(fā)布了一個開源的NMT框架，讓研究員們能輕松使用該新技術，并得出最新試驗結果。

研究結論

在研究過程中，我們通過梳理關鍵因素，以獲得最新的實驗結果。

有些研究人員可能并不認為“集束搜索調節(jié)（beam search tuning）和大多數架構變化同等重要”，以及“使用了當前優(yōu)化技術的深度模型并不總是優(yōu)于淺度模型”等說法，但通過實驗，我們?yōu)檫@類說法給出了實驗證據。

以下是實驗收獲總結：

使用 2048 維的大型嵌入（embeddings）有最優(yōu)實驗結果，不過優(yōu)勢不大；僅有 128 維的小型嵌入似乎也有足夠的能力去捕捉絕大多數必要的語義信息。

LSTM Cell 始終比 GRU Cell表現得好。

2-4 層的雙向編碼器性能最佳。更深層的編碼器在訓練中不如2-4層的穩(wěn)定，這一點表現得很明顯。不過，如果能接受高質量得優(yōu)化，更深層的編碼器也很有潛力。

深度 4 層解碼器略優(yōu)于較淺層的解碼器。殘差連接在訓練 8 層的解碼器時不可或缺，而且，密集的殘差連接能使魯棒性有額外增加。

把額外的關注度參數化（Parameterized additive attention），會產生總體最優(yōu)結果。

有一個調適良好、具有長度罰分（length penalty）的集束搜索（beam search）很關鍵。5-10集束寬度搭配1.0長度罰分的工作效果好像不錯。

我們還強調了幾個重要的研究課題，包括：

高效利用嵌入參數 (4.1)（雷鋒網注：4.1代表論文章節(jié)，下同）

注意機制（attention mechanisms）作為加權跳過連接（weighted skip connections）（4.5），而不是記憶單元的角色作用，

深度循環(huán)網絡需要更好的優(yōu)化方法（4.3），

超參數變化（hyperparameter variations）還需要更具穩(wěn)健性的集束搜索（4.6）。

此外，我們還專門發(fā)布了一個開源NMT框架，讓大家能對該框架的創(chuàng)新點一探究竟，并進行可重復試驗，同時我們還發(fā)布了所有實驗配置的文件。

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。