Google Brain：NMT训练成本太高？用大规模神经机器翻译架构分析给出解决方案

雷锋网编者按：十年前，Google Translate发布。当时，这项服务背后的核心算法还是基于短语的机器翻译。

而十年后的今天，更先进的神经网络机器翻译（ Neural Machine Translation）技术已经使得翻译系统的速度和准确度有了大幅提升。Google发现，在多个样本的翻译中，神经网络机器翻译系统将误差降低了 55%-85%甚至以上。

虽然成就喜人，但这对研究人员来说却远远不够。在他们看来，NMT领域还有太多可提升的空间。

近日，来自Google Brain的四位研究人员Denny Britz, Anna Goldie , Thang Luong, Quoc Le就由NMT训练成本太高这一问题出发，对NMT 架构的超参数进行了大规模分析，并且对建立和扩展NMT构架提出了一些新颖观点和实用建议。研究人员表示，学界还未有过类似的研究。

同时，该论文也已提交了今年的ACL大会（Association for Computational Linguistics）。

以下是为雷锋网编译的部分论文内容。     

摘要

在过去几年里，基于神经机器翻译（NMT）技术的产品系统被越来越多部署在终端客户端中，NMT本身也因此获得了巨大进步。但目前，NMT构架还存在着一个很大的缺点，即训练它们的成本太高，尤其是GPU的收敛时间，有时会达到几天到数周不等。这就使得穷举超参数搜索（exhaustive hyperparameter search）的成本和其他常见神经网络结构一样，让人望而却步。

为此，我们首次对 NMT 架构的超参数进行了大规模分析。我们报告了数百次实验测试的经验结果和方差数（variance numbers），这相当于在标准WMT英译德任务上运行超过250,000 GPU小时数的效果。从实验结果中，我们提出了有关建立和扩展NMT构架的创新观点，也提供了一些实用建议。

作为此次研究成果的一部分，我们也发布了一个开源的NMT框架，让研究员们能轻松使用该新技术，并得出最新试验结果。

研究结论

在研究过程中，我们通过梳理关键因素，以获得最新的实验结果。

有些研究人员可能并不认为“集束搜索调节（beam search tuning）和大多数架构变化同等重要”，以及“使用了当前优化技术的深度模型并不总是优于浅度模型”等说法，但通过实验，我们为这类说法给出了实验证据。

以下是实验收获总结：

• 使用 2048 维的大型嵌入（embeddings）有最优实验结果，不过优势不大；仅有 128 维的小型嵌入似乎也有足够的能力去捕捉绝大多数必要的语义信息。
  

• LSTM Cell 始终比 GRU Cell表现得好。

• 2-4 层的双向编码器性能最佳。更深层的编码器在训练中不如2-4层的稳定，这一点表现得很明显。不过，如果能接受高质量得优化，更深层的编码器也很有潜力。

• 深度 4 层解码器略优于较浅层的解码器。残差连接在训练 8 层的解码器时不可或缺，而且，密集的残差连接能使鲁棒性有额外增加。

• 把额外的关注度参数化（Parameterized additive attention），会产生总体最优结果。

• 有一个调适良好、具有长度罚分（length penalty）的集束搜索（beam search）很关键。5-10集束宽度搭配1.0长度罚分的工作效果好像不错。

我们还强调了几个重要的研究课题，包括：

• 高效利用嵌入参数 (4.1)（雷锋网注：4.1代表论文章节，下同）

• 注意机制（attention mechanisms）作为加权跳过连接（weighted skip connections）（4.5），而不是记忆单元的角色作用，

• 深度循环网络需要更好的优化方法（4.3），

• 超参数变化（hyperparameter variations）还需要更具稳健性的集束搜索（4.6）。

此外，我们还专门发布了一个开源NMT框架，让大家能对该框架的创新点一探究竟，并进行可重复试验，同时我们还发布了所有实验配置的文件。

论文地址：https://arxiv.org/abs/1703.03906

开源地址：https://github.com/google/seq2seq/

雷峰网版权文章，未经授权禁止转载。详情见转载须知。