hsigmoid

    层次sigmoid（hierarchical sigmoid），该OP通过构建一个分类二叉树来降低计算复杂度，主要用于加速语言模型的训练过程。

    该OP建立的二叉树中每个叶节点表示一个类别(单词)，每个非叶子节点代表一个二类别分类器（sigmoid）。对于每个类别（单词），都有一个从根节点到它的唯一路径，hsigmoid累加这条路径上每个非叶子节点的损失得到总损失。

    相较于传统softmax的计算复杂度

    ，hsigmoid可以将计算复杂度降至

    hsigmoid - 图1

    ，其中 NN 表示类别总数（字典大小）。

    若使用默认树结构，请参考 。

    1. 使用自定义词典来建立二叉树，每个叶结点都应该是词典中的单词；

    2. 建立一个dict类型数据结构，用于存储 单词id -> 该单词叶结点至根节点路径 的映射，即路径表 path_table 参数；

    3. 建立一个dict类型数据结构，用于存储 单词id -> 该单词叶结点至根节点路径的编码 的映射，即路径编码 path_code 参数。 编码是指每次二分类的标签，1为真，0为假；

    4. 每个单词都已经有自己的路径和路径编码，当对于同一批输入进行操作时，可以同时传入一批路径和路径编码进行运算。

    参数:

    • label (Variable) - 训练数据的标签。数据类型为int64，形状为 。

    • num_classes (int) - 类别总数(字典大小)必须大于等于2。若使用默认树结构，即当 is_custom=False 时 ，必须设置该参数。若使用自定义树结构，即当 is_custom=True 时，它取值应为自定义树结构的非叶节点的个数，用于指定二分类的类别总数。

    • bias_attr (ParamAttr, 可选) - 该OP的偏置参数的属性。可以设置为None或者一个ParamAttr的类（ParamAttr中可以指定参数的各种属性）。 该OP将利用 bias_attr 属性来创建ParamAttr实例。如果没有设置 bias_attr 的初始化函数，参数初始化为0.0。默认值为None。

    • path_table (Variable，可选) – 存储每一批样本从类别（单词）到根节点的路径，按照从叶至根方向存储。 数据类型为int64，形状为 ，其中L为路径长度。path_table 和 path_code 应具有相同的形状, 对于每个样本i，path_table[i]为一个类似np.ndarray的结构，该数组内的每个元素都是其双亲结点权重矩阵的索引。默认值为None。

    • path_code (Variable，可选) – 存储每一批样本从类别（单词）到根节点的路径编码，按从叶至根方向存储。数据类型为int64，形状为 [N, L]。默认值为None。

    • is_custom (bool，可选) – 是否使用用户自定义二叉树取代默认二叉树结构。如果设置为True，请务必设置 path_table ， path_code ， num_classes ，否则必须设置num_classes。默认值为False。

    • is_sparse (bool，可选) – 是否使用稀疏更新方式。如果设置为True，W的梯度和输入梯度将会变得稀疏。默认值为False。

    返回: 层次sigmoid计算后的Tensor，形状为[N, 1]，数据类型和 一致。

    返回类型: Variable