В модели seq2seq с кодером и декодером на каждом этапе генерации уровень softmax выводит распределение по всему словарю. В CNTK можно легко реализовать жадный декодер с помощью функции C.hardmax. Это выглядит так.
def create_model_greedy(s2smodel):
# model used in (greedy) decoding (history is decoder's own output)
@C.Function
@C.layers.Signature(InputSequence[C.layers.Tensor[input_vocab_dim]])
def model_greedy(input): # (input*) --> (word_sequence*)
# Decoding is an unfold() operation starting from sentence_start.
# We must transform s2smodel (history*, input* -> word_logp*) into a generator (history* -> output*)
# which holds 'input' in its closure.
unfold = C.layers.UnfoldFrom(lambda history: s2smodel(history, input) >> **C.hardmax**,
# stop once sentence_end_index was max-scoring output
until_predicate=lambda w: w[...,sentence_end_index],
length_increase=length_increase)
return unfold(initial_state=sentence_start, dynamic_axes_like=input)
return model_greedy
Однако на каждом шаге я не хочу выводить токен с максимальной вероятностью. Вместо этого я хочу иметь случайный декодер, который генерирует токен в соответствии с распределением вероятностей словаря.
Как я могу это сделать? Любая помощь приветствуется. Спасибо.