1. 名词：ELMO：哈工大LTP 开发的动态词向量。

问题一：何为动态词向量： 普通的词向量，是静态的，也就是一个词代表一个N维向量，这种向量不随着语境的变化而变化，不管在任何语境下embedding的值都是不变的； elmo词向量，是基于深度学习神经网络的词向量。是动态的。elmo的output随着语境的变化而变化，在不同的句子里面有不同的表现。比如：“我今天吃的苹果很好吃”；“苹果手机非常好用”。这两个句子里面的“苹果”，在elmo里面的embdding值一定是不同的。这也更符合语义层面的NLP项目。

2.ELMO实现：

一.原版实现

  EMBBEDDING LAYER (词向量层) ）->（cnn/lstm）

  ENCODEING LAYER（编码层）-> (lstm/elmo)

（1）ltp提供的中文版词向量的embedding层是这样的（cnn）： 

 (2) encoding层是这样的（elmo）： 

（3）ltp提供的词向量的embdding层是cnn的，若是一个双层的LSTM加一个linear，若是encoding层相同

二.轻量级基于feed评论的训练及实现

  EMBBEDDING LAYER(词向量层) ->(emb)

  ENCODING LAYER (编码层) ->(lstm 单层) 

轻量级的 elmo，就是一个简单的embedding映射，再加一个单层的lstm，只是loss的设计思路借鉴elmo的ltp代码。 轻量级考量原因：1. 网络结构简单好上线； 2. 显存限制（使用轻量级的结构，在序列长度限制在100以内的情况下，已经是7-8G，足够将一个显卡打满了）3. 大道至简。（个人认为elmo的设计亮点在loss，而前面的网络结构简单或复杂，不会带来效果根本性的差异。

3. ELMO的输出维及loss计算原理：

（1）结论1： elmo的输出维就是词典的大小，与Word2vec的设计相似。

（2）结论2： elmo的设计思路就是从前面的词预测后面的词，loss也就是前面序列的output与后面序列output的softmax值做crossentropy(交叉熵)

从这个图中可以将loss的原理简单阐述清楚：

该图画的是一个batch的output计算loss的原理图。看源码也可以：

4.遇到的问题：显存泄露 （out of memory）

解决： 该网络中，影响显存的因素有 seqlen（序列长度）， batch_size, input_dim(输入维)，hidden_dim (隐藏层)，字典大小（输出维），简单计算一下memory与这些因子之前的关系：

embedding layer ： mem_embedding = seqlen * batch_size * input_dim

lstm layer： mem_lstm = seqlen * input_dim * hidden_dim *4

connect layer and loss ：mem_connact = hidden_dim * output_dim * seqlen

综上可以得出 memory = mem_embedding + mem_lstm+ mem_connact = seqlen(batch_size * input_dim + 4input_dim * hidden_dim + hidden_dim *output), 显存与seqlen序列长度是倍数影响关系，其他影响按重要性排序分别是input dim，output dim，hidden dim，也就是要减小显存，首先要保证seqlen不要太大。

经过笔者的实验，seqlen序列长度设置为500会有明显的out of memory， 控制在100，显存8G左右，也满足目前的工程需求。

5. 实验的效果

elmo训练方式                              | 召回  |  准确 | auc

input 长度:128; loss计算方式：前20与后20    |36.40%  |  85% |  0.977

input 长度：50，loss计算方式：前后去掉一个词的全序列 |36.7% | 85% |0.987

非elmo预训练                              |34.4% |85% |0.973