卷積神經網絡發展趨勢。Perceptron(感知機)，1957年，Frank Resenblatt提出，始祖。Neocognitron(神經認知機)，多層級神經網絡，日本科學家Kunihiko fukushima，20世紀80年代提出，一定程度視覺認知功能，啟發卷積神經網絡。LeNet-5，CNN之父，Yann LeCun，1997年提出，首次多層級聯卷積結構，手寫數字有效識別。2012年，Hinton學生Alex，8層卷積神經網絡，ILSVRC 2012比賽冠軍。AlexNet 成功應用ReLU激活函數、Dropout、最大覆蓋池化、LRN層、GPU加速，啟發後續技術創新，卷積神經網絡研究進入快車道。

AlexNetx後，卷積神經網絡，一類網絡結構改進調整，一類網絡深度增加。

Perceptron(1957)
Neocognitron(198x)
NIN(2013) VGG(2014)
Incepiton V1(2014) MSRANet(2014)
Incepiton V2(2015) ResNet(2015)
Incepiton V3(2015) ResNet V2(2015)
Inception ResNet V2(2016)

2013年，顏水成教授，Network in Network首次發表，優化卷積神經網絡結構，推廣1x1卷積結構。2014年，Google Incepiton Net V1,Inception Module，反復堆疊高效卷積網絡結構，ILSVRC 2014冠軍。2015年初，Incepiton V2,Batch Normalization，加速訓練過程，提升網絡性能。2015年末，Inception V3,Factorization in Small Convolutions思想，分解大尺寸卷積為多個小卷積或一維卷積。

2014年，ILSVRC亞軍，VGGNet，全程3x3卷積，19層網絡。季軍MSRA-Net(微軟)也是深層網絡。2015年，微軟ResNet，152層網絡，ILSVRC 2015冠軍，top-5錯誤率3.46%。ResNet V2,Batch Normalization，去除激活層，用Identity Mapping或Preactivation，提升網絡性能。Inception ResNet V2,融合Inception Net網絡結構,和ResNet訓練極深網絡殘差學習模塊。

GPU計算資源，開源工具。

循環神經網絡(RNN)，NLP(Nature Language Processing，自然語言處理)最常用神經網絡結構。Word2Vec，語言字詞轉化稠密向量(Dense Vector)。

Word2Vec，Word Embeddings，詞向量或詞嵌入。語言字詞轉向量形式表達(Vector Representations)模型。圖片，像素點稠密矩陣，音頻，聲音信號頻譜數據。

One-Hot Encoder，字詞轉離散單獨符號。一個詞對應一個向量，整篇文章對應一個稀疏矩陣。文本分類模型，Bag of Words，稀疏矩陣合並為一個向量，每個詞對應向量計數，統計詞出現次數，作為特征。特征編碼隨機，沒有關聯信息，沒有字詞關系。稀疏向量需要更多數據訓練，訓練效率低，計算麻煩。

向量表達(Vector Representations)，向量空間模型(Vector Space Models)，字詞轉連續值向量表達，意思相近詞映射向量空量空間相近位置。向量空間模型在NLP依賴假設Distributional Hypothesis，相同語境詞語義相近。向量空間模型，分兩類，計數模型(Latent Semantic Analysis)，預測模型(Neural Probabilistic Language Models)。計數模型統計語料庫相鄰詞頻率，計數統計結果轉小稠密矩陣，預測模型根據詞周圍相鄰詞推測出這個詞和空間向量。

Word2Vec，計算非常高效，從原始語料學習字詞空間向量預測模型。CBOW(Continuous Bag of Words)模式從原始語句推測目標字詞，適合小型數據。Skip-Gram從目標字詞推測原始語句，適合大型語料。意思相近詞向量空間位置接近。

預測模型(Neural Probabilistic Language Models)，用最大似然方法，給定前語句h，最大化目標詞匯Wt概率。計算量大，需計算詞匯表所有單詞出現可能性。Word2Vec CBOw模型，只需訓練二元分類模型，區分真實目標詞匯、編造詞匯(噪聲)兩類。少量噪聲詞匯估計，類似蒙特卡洛模擬。

模型預測真實目標詞匯高概率，預測其他噪聲詞匯低概率，訓練學習目標最優化。編造噪聲詞匯訓練，Negative Sampling，計算loss fuction效率非常高，只需計算隨機選擇k個詞匯，訓練速度快。Noise_contrastive Estimation(NCE) Loss，TensorFlow tf.nn.nce_loss。

Word2Vec Skip-Gram模式。構造語境與目標詞匯映射關系。語境包括單詞左邊和右邊詞匯。滑窗尺寸 1。Skip-Gram模型，從目標詞匯預測語境。制造隨機詞匯作負樣本(噪聲)。預測概率分布，正樣本盡可能大，隨機產生負樣本尺可能小。優化算法(SGD)更新模型Word Embedding參數，概率分布損失函數(NCE Loss)盡可能小。單詞Embedded Vector隨訓練過程調整，直到最適合語料空間位置。損失函數最小，最符合語料，預測正確單詞概率最高。

載入依賴庫。

定義下載廣西數據函數，urllib.request.urlretrieve下載數據壓縮文件核文件尺寸。已下載跳過。

解壓下載壓縮文件，tf.compat.as_str 數據轉單詞列表。數據轉為17005207單詞列表。

創建vocabulary詞匯表，collections.Counter統計單詞列表單詞頻數，most_common方法取top 50000頻數單詞作vocabulary。創建dict，top 50000詞匯vocabulary放入dictionary，快速查詢。Python dict查詢復雜度O(1)，性能好。全部單詞轉編號(頻數排序編號)。top50000以外單詞，認定為Unkown(未知)，編號0,統計數量。遍歷單詞列表，每個單詞，判斷是否出現在dictionary，是轉編號，不是編0。返回轉換編碼(data)、單詞頻數統計count、詞匯表(dictionary)、反轉形式(reverse_dictionary)。

刪除原始單詞列表，節約內存。打印vocabulary最高頻詞匯、數量(包括Unknow詞匯)。“UNK”類418391個。“the”1061396個。“of”593677個。data前10單詞[‘anarchism‘,‘originated‘,‘as‘,‘a‘,‘term‘,‘of‘,‘abuse‘,‘first‘,‘used‘,‘against‘],編號[5235,3084,12,6,195,2,3137,46,59,156]。

生成Word2Vec訓練樣本。Skip-Gram模式(從目標單詞反推語境)。定義函數generate_batch生成訓練batch數據。參數batch_size為batch大小。skip_window單詞最遠可聯系距離，設1只能跟緊鄰兩個單詞生成樣本。num_skips單詞生成樣本個數，不能大於skip_window兩倍，batch_size是它的整數倍，確保batch包含詞匯所有樣本。

單詞序號data_index為global變量，反復調用generate_batch，確保data_index可以在函數genetate_batch修改。assert確保num_skips、batch_size滿足條件。np.ndarray初始化batch、labels為數組。定義span 單詞創建相關樣本單詞數量，包括目標單詞和前後單詞，span=2*skip_window+1。創建最大容量span deque，雙向隊列，deque append方法添加變量，只保留最後插入span個變量。

從序號data_index開始，span個單詞順序讀入buffer作初始值。buffer容量為span deque，已填滿，後續數據替換前面數據。

第一層循環(次數batch_size//num_skips)，循環內目標單詞生成樣本。buffer目標單詞和所有相關單詞，定義target-skip_window，buffer第skip_window個變量為目標單詞。定義生成樣本需避免單詞列表，tagets_to_avoid，列表開始包括第skip_window個單詞(目標單詞)，預測語境單詞，不包括目標單詞。

第二層循環(次數num_skips)，循環語境單詞生成樣本，先產生隨機數，直到隨機數不在targets_to_avoid中，代表可用語境單詞，生成樣本，feature目標詞匯buffer[skip_window]，label是buffer[target]。語境單詞使用，添加到targets_to_avoid過濾。目標單詞所有樣本生成完(num_skips個)，讀入下一個單詞，拋掉buffer第一個單詞，滑窗向後移動一位，目標單詞向後移動一個，語境單詞整體後移，開始生成下一個目標單詞訓練樣本。

兩層循環完成，獲得batch_size個訓練樣本。返回batch、labels。

調用generate_batch函數測試。參數batch_size設8,num_skips設2,skip_window設1,執行generate_batch獲得batch、labels，打印。

定義訓練batch_size 128,embedding_size 128。embedding_size，單詞轉稠密向量維度，50?1000。skip_window單詞間最遠聯系距離設1,num_skips目標單詞提取樣本數設2.生成驗證數據valid_examples。隨機抽取頻數最高單詞，看向量空間最近單詞是否相關性高。valid_size設16抽取驗證單詞數。valid_window設100驗證單詞頻為最高100個單詞抽取。np.random.choice函數隨機抽取。num_sampled訓練負樣本噪聲單詞數量。

定義Skip_Gram Word2Vec模型網絡結構。創建f.Graph，設置為默認graph。創建訓練數據inputs、labels placeholder，隨機產生valid_examples轉TensorFlow constant。with tf.device(‘/cpu:0‘)限定所有計算在CPU執行。tf.random_uniform隨機生成所有單詞詞向量embeddings，單詞表大小50000,向量維度128，tf.nn.embedding_lookup查找輸入train_inputs對應賂理embed。tf.truncated_normal初始化訓練優化目標NCE Loss的權重參數nce_weights，nce_biases初始化0。tf.nn.nce_loss計算學習詞向量embedding訓練數據loss，tf.reduce_mean匯總。

定義優化器SGD ,學習速率1.0。計算嵌入向量embeddings L2範數norm，embeddings除L2範數得標準化normalized_embeddings。tf.nn.embedding_lookup查詢驗證單詞嵌入向量，計算驗證單詞嵌入同與詞匯表所有單詞相似性。tf.global_variables_initializer初始化所有模型參數。

定義最大叠代次數10萬次，創建設置默認session，執行參數初始化。叠代中，generate_batch生成batch inputs、labels數據，創建feed_dict。session.run()執行優化器運算(參數更新)和損失計算，訓練loss累積到avegage_loss。

每2000次循環，計算平均loss，顯示。

每10000次循環，計算驗證單詞和全部單詞相似度，驗證單詞最相似8個單詞展示。

訓練模型對名詞、動詞、形容詞類型單詞相似詞匯識別非常準確。Skip-Gram Word2Vec 向量空間表達(Vetor Representations)質量非常高，近義詞在向量空間位置非常靠近。

定義可視化Word2Vec效果函數。low_dim_embs降給到2維單詞空間向量，圖表展示單詞位置。plt.scatter(matplotlib.pyplot)顯示散點圖(單詞位置)，plt.annotate展示單詞本身。plt.savefig保存圖片到本地文件。

sklearn.manifold.TSNe實現降維，原始128維嵌入同量降到2維，plot_sith_labels函數展示。只展示詞頻最高100個單詞可視化結果。

距離相近單詞，語義高相似性。左上角單個字母聚集地。冠詞聚集在左邊中部。Word2Vec性能評價，可視化觀察，Analogical Reasoning直接預測語義、語境關系。回答填空問題。大規模語料庫，參數調試選取最適合值。

     import collections
     import math
     import os
     import random
     import zipfile
     import numpy as np
     import urllib
     import tensorflow as tf
     # Step 1: Download the data.
     url = ‘http://mattmahoney.net/dc/‘
     def maybe_download(filename, expected_bytes):
       if not os.path.exists(filename):
         filename, _ = urllib.request.urlretrieve(url + filename, filename)
       statinfo = os.stat(filename)
       if statinfo.st_size == expected_bytes:
         print(‘Found and verified‘, filename)
       else:
         print(statinfo.st_size)
         raise Exception(
        ‘Failed to verify ‘ + filename + ‘. Can you get to it with a browser?‘)
       return filename
     filename = maybe_download(‘text8.zip‘, 31344016)
     # Read the data into a list of strings.
     def read_data(filename):
       with zipfile.ZipFile(filename) as f:
         data = tf.compat.as_str(f.read(f.namelist()[0])).split()
       return data
     words = read_data(filename)
     print(‘Data size‘, len(words))
     # Step 2: Build the dictionary and replace rare words with UNK token.
     vocabulary_size = 50000
     def build_dataset(words):
       count = [[‘UNK‘, -1]]
       count.extend(collections.Counter(words).most_common(vocabulary_size - 1))
       dictionary = dict()
       for word, _ in count:
         dictionary[word] = len(dictionary)
       data = list()
       unk_count = 0
       for word in words:
         if word in dictionary:
           index = dictionary[word]
         else:
           index = 0  # dictionary[‘UNK‘]
           unk_count += 1
         data.append(index)
       count[0][1] = unk_count
       reverse_dictionary = dict(zip(dictionary.values(), dictionary.keys()))
       return data, count, dictionary, reverse_dictionary
     data, count, dictionary, reverse_dictionary = build_dataset(words)
     del words  # Hint to reduce memory.
     print(‘Most common words (+UNK)‘, count[:5])
     print(‘Sample data‘, data[:10], [reverse_dictionary[i] for i in data[:10]])
     data_index = 0
     # Step 3: Function to generate a training batch for the skip-gram model.
     def generate_batch(batch_size, num_skips, skip_window):
       global data_index
       assert batch_size % num_skips == 0
       assert num_skips <= 2 * skip_window
       batch = np.ndarray(shape=(batch_size), dtype=np.int32)
       labels = np.ndarray(shape=(batch_size, 1), dtype=np.int32)
       span = 2 * skip_window + 1 # [ skip_window target skip_window ]
       buffer = collections.deque(maxlen=span)
       for _ in range(span):
         buffer.append(data[data_index])
         data_index = (data_index + 1) % len(data)
       for i in range(batch_size // num_skips):
         target = skip_window  # target label at the center of the buffer
         targets_to_avoid = [ skip_window ]
         for j in range(num_skips):
           while target in targets_to_avoid:
             target = random.randint(0, span - 1)
      targets_to_avoid.append(target)
      batch[i * num_skips + j] = buffer[skip_window]
      labels[i * num_skips + j, 0] = buffer[target]
    buffer.append(data[data_index])
    data_index = (data_index + 1) % len(data)
       return batch, labels
     batch, labels = generate_batch(batch_size=8, num_skips=2, skip_window=1)
     for i in range(8):
       print(batch[i], reverse_dictionary[batch[i]],
           ‘->‘, labels[i, 0], reverse_dictionary[labels[i, 0]])
     # Step 4: Build and train a skip-gram model.
     batch_size = 128
     embedding_size = 128  # Dimension of the embedding vector.
     skip_window = 1       # How many words to consider left and right.
     num_skips = 2         # How many times to reuse an input to generate a label.
     valid_size = 16     # Random set of words to evaluate similarity on.
     valid_window = 100  # Only pick dev samples in the head of the distribution.
     valid_examples = np.random.choice(valid_window, valid_size, replace=False)
     num_sampled = 64    # Number of negative examples to sample.
     graph = tf.Graph()
     with graph.as_default():
       # Input data.
       train_inputs = tf.placeholder(tf.int32, shape=[batch_size])
       train_labels = tf.placeholder(tf.int32, shape=[batch_size, 1])
       valid_dataset = tf.constant(valid_examples, dtype=tf.int32)
       # Ops and variables pinned to the CPU because of missing GPU implementation
       with tf.device(‘/cpu:0‘):
    # Look up embeddings for inputs.
         embeddings = tf.Variable(
        tf.random_uniform([vocabulary_size, embedding_size], -1.0, 1.0))
         embed = tf.nn.embedding_lookup(embeddings, train_inputs)
         # Construct the variables for the NCE loss
         nce_weights = tf.Variable(
        tf.truncated_normal([vocabulary_size, embedding_size],
                            stddev=1.0 / math.sqrt(embedding_size)))
         nce_biases = tf.Variable(tf.zeros([vocabulary_size]))
       loss = tf.reduce_mean(
           tf.nn.nce_loss(weights=nce_weights,
                          biases=nce_biases,
                          labels=train_labels,
                          inputs=embed,
                          num_sampled=num_sampled,
                          num_classes=vocabulary_size))
       # Construct the SGD optimizer using a learning rate of 1.0.
       optimizer = tf.train.GradientDescentOptimizer(1.0).minimize(loss)
       # Compute the cosine similarity between minibatch examples and all embeddings.
       norm = tf.sqrt(tf.reduce_sum(tf.square(embeddings), 1, keep_dims=True))
       normalized_embeddings = embeddings / norm
       valid_embeddings = tf.nn.embedding_lookup(
      normalized_embeddings, valid_dataset)
       similarity = tf.matmul(
      valid_embeddings, normalized_embeddings, transpose_b=True)
       # Add variable initializer.
       init = tf.global_variables_initializer()
     # Step 5: Begin training.
     num_steps = 100001
     with tf.Session(graph=graph) as session:
       init.run()
       print("Initialized")
       average_loss = 0
       for step in range(num_steps):
         batch_inputs, batch_labels = generate_batch(
             batch_size, num_skips, skip_window)
         feed_dict = {train_inputs : batch_inputs, train_labels : batch_labels}
         _, loss_val = session.run([optimizer, loss], feed_dict=feed_dict)
         average_loss += loss_val
         if step % 2000 == 0:
           if step > 0:
             average_loss /= 2000
           # The average loss is an estimate of the loss over the last 2000 batches.
           print("Average loss at step ", step, ": ", average_loss)
           average_loss = 0
         # Note that this is expensive (~20% slowdown if computed every 500 steps)
         if step % 10000 == 0:
           sim = similarity.eval()
           for i in range(valid_size):
             valid_word = reverse_dictionary[valid_examples[i]]
             top_k = 8 # number of nearest neighbors
             nearest = (-sim[i, :]).argsort()[1:top_k+1]
             log_str = "Nearest to %s:" % valid_word
             for k in range(top_k):
               close_word = reverse_dictionary[nearest[k]]
               log_str = "%s %s," % (log_str, close_word)
             print(log_str)
       final_embeddings = normalized_embeddings.eval()
     # Step 6: Visualize the embeddings.
     def plot_with_labels(low_dim_embs, labels, filename=‘tsne.png‘):
       assert low_dim_embs.shape[0] >= len(labels), "More labels than embeddings"
       plt.figure(figsize=(18, 18))  #in inches
       for i, label in enumerate(labels):
         x, y = low_dim_embs[i,:]
         plt.scatter(x, y)
         plt.annotate(label,
                      xy=(x, y),
                      xytext=(5, 2),
                      textcoords=‘offset points‘,
                      ha=‘right‘,
                      va=‘bottom‘)
       plt.savefig(filename)
       #%%
     try:
       from sklearn.manifold import TSNE
       import matplotlib.pyplot as plt
       tsne = TSNE(perplexity=30, n_components=2, init=‘pca‘, n_iter=5000)
       plot_only = 200
       low_dim_embs = tsne.fit_transform(final_embeddings[:plot_only,:])
       labels = [reverse_dictionary[i] for i in range(plot_only)]
       plot_with_labels(low_dim_embs, labels)
     except ImportError:
       print("Please install sklearn, matplotlib, and scipy to visualize embeddings.")

參考資料：
《TensorFlow實踐》

歡迎付費咨詢(150元每小時)，我的微信：qingxingfengzi

學習筆記TF034:實現Word2Vec