如何使用注意掩码计算 HuggingFace Transformers BERT 令牌嵌入的平均值/最大值？

Question

我正在使用 HuggingFace Transformers BERT 模型，我想使用 ormean函数计算句子中标记的摘要向量（也称为嵌入） max。复杂的是，有些标记是[PAD]，所以我想在计算平均值或最大值时忽略这些标记的向量。

这是一个例子。我最初实例化 aBertTokenizer和 a BertModel：

import torch
import transformers
from transformers import AutoTokenizer, AutoModel

transformer_name = 'bert-base-uncased'

tokenizer = AutoTokenizer.from_pretrained(transformer_name, use_fast=True)

model = AutoModel.from_pretrained(transformer_name)

然后，我将一些句子输入到分词器中，然后input_ids退出attention_mask。值得注意的是，attention_mask值 0 意味着该令牌是[PAD]我可以忽略的。

sentences = ['Deep learning is difficult yet very rewarding.',
             'Deep learning is not easy.',
             'But is rewarding if done right.']
tokenizer_result = tokenizer(sentences, max_length=32, padding=True, return_attention_mask=True, return_tensors='pt')

input_ids = tokenizer_result.input_ids
attention_mask = tokenizer_result.attention_mask

print(input_ids.shape) # torch.Size([3, 11])

print(input_ids)
# tensor([[  101,  2784,  4083,  2003,  3697,  2664,  2200, 10377,  2075,  1012,  102],
#         [  101,  2784,  4083,  2003,  2025,  3733,  1012,   102,     0,     0,    0],
#         [  101,  2021,  2003, 10377,  2075,  2065,  2589,  2157,  1012,   102,   0]])

print(attention_mask.shape) # torch.Size([3, 11])

print(attention_mask)
# tensor([[1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
#         [1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 0],
#         [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0]])

现在，我调用 BERT 模型来获取 768-D 令牌嵌入（顶层隐藏状态）。

model_result = model(input_ids, attention_mask=attention_mask, return_dict=True)

token_embeddings = model_result.last_hidden_state
print(token_embeddings.shape) # torch.Size([3, 11, 768])

所以此时，我有：

1. [3, 11, 768] 矩阵中的标记嵌入：3 个句子，11 个标记，每个标记有 768-D 向量。
2. [3, 11] 矩阵中的注意力掩码：3 个句子，11 个标记。1 值表示非[PAD]。

如何计算有效的非标记向量上的mean/ ？max[PAD]

我尝试使用注意蒙版作为蒙版，然后调用torch.max()，但我没有得到正确的尺寸：

masked_token_embeddings = token_embeddings[attention_mask==1]
print(masked_token_embeddings.shape) # torch.Size([29, 768] <-- WRONG. SHOULD BE [3, 11, 768]

pooled = torch.max(masked_token_embeddings, 1)
print(pooled.values.shape) # torch.Size([29]) <-- WRONG. SHOULD BE [3, 768]

我真正想要的是形状为 [3, 768] 的张量。也就是说，这 3 个句子中的每一个都有一个 768-D 向量。

Answer 1

对于max，您可以乘以attention_mask：

pooled = torch.max((token_embeddings * attention_mask.unsqueeze(-1)), axis=1)

对于mean，您可以沿轴求和并attention_mask沿该轴除：

mean_pooled = token_embeddings.sum(axis=1) / attention_mask.sum(axis=-1).unsqueeze(-1)