nce

  • paddle.fluid.layers.nce(input, label, num_total_classes, sample_weight=None, param_attr=None, bias_attr=None, num_neg_samples=None, name=None, sampler='uniform', custom_dist=None, seed=0, is_sparse=False)[源代码]

计算并返回噪音对比估计损失值（ noise-contrastive estimation training loss）。 请参考 Noise-contrastive estimation: A new estimation principle for unnormalized statistical models 该层默认使用均匀分布进行抽样。

  • 参数:
    • input (Variable) - 输入变量, 2-D 张量，形状为 [batch_size, dim]，数据类型为 float32 或者 float64。
    • label (Variable) - 标签，2-D 张量，形状为 [batch_size, num_true_class]，数据类型为 int64。
    • num_total_classes (int) - 所有样本中的类别的总数。
    • sample_weight (Variable，可选) - 存储每个样本权重，shape 为 [batch_size, 1] 存储每个样本的权重。每个样本的默认权重为1.0。
    • param_attr (ParamAttr，可选) ：指定权重参数属性的对象。默认值为None，表示使用默认的权重参数属性。具体用法请参见 ParamAttr 。
    • bias_attr (ParamAttr，可选) : 指定偏置参数属性的对象。默认值为None，表示使用默认的偏置参数属性。具体用法请参见 ParamAttr 。
    • num_neg_samples (int) - 负样例的数量，默认值是10。
    • name (str，可选) - 该layer的名称，具体用法请参见 Name ，一般无需设置，默认值为None。
    • sampler (str，可选) – 采样器，用于从负类别中进行取样。可以是 uniform, log_uniform 或 custom_dist ， 默认 uniform 。
    • custom_dist (nd.array， 可选) – 第0维的长度为 num_total_classes 。 如果采样器类别为 custom_dist ，则使用此参数。custom_dist[i] 是第i个类别被取样的概率。默认为 None
    • seed (int，可选) – 采样器使用的seed。默认为0
    • is_sparse (bool，可选) – 标志位，指明是否使用稀疏更新, 为 True 时 nce - 图1 和 nce - 图2 的类型会变为 SelectedRows。默认为 False 。

返回： nce loss，数据类型与 input 相同

返回类型: Variable

代码示例

  1. import paddle.fluid as fluid
  2. import numpy as np
  3.  
  4. window_size = 5
  5. words = []
  6. for i in xrange(window_size):
  7.     words.append(fluid.layers.data(
  8.         name='word_{0}'.format(i), shape=[1], dtype='int64'))
  9.  
  10. dict_size = 10000
  11. label_word = int(window_size / 2) + 1
  12.  
  13. embs = []
  14. for i in xrange(window_size):
  15.     if i == label_word:
  16.         continue
  17.  
  18.     emb = fluid.layers.embedding(input=words[i], size=[dict_size, 32],
  19.                        param_attr='embed', is_sparse=True)
  20.     embs.append(emb)
  21.  
  22. embs = fluid.layers.concat(input=embs, axis=1)
  23. loss = fluid.layers.nce(input=embs, label=words[label_word],
  24.           num_total_classes=dict_size, param_attr='nce.w_0',
  25.           bias_attr='nce.b_0')
  26.  
  27. # 或使用自定义分布
  28. dist = np.array([0.05,0.5,0.1,0.3,0.05])
  29. loss = fluid.layers.nce(input=embs, label=words[label_word],
  30.           num_total_classes=5, param_attr='nce.w_1',
  31.           bias_attr='nce.b_1',
  32.           num_neg_samples=3,
  33.           sampler="custom_dist",
  34.           custom_dist=dist)