詳解MMoE 模型：多任務(wù)學(xué)習(xí)中的專家混合建模與實(shí)踐【附代碼】

發(fā)布于 2025-2-27 12:18

瀏覽

0收藏

MMOE模型由谷歌研究團(tuán)隊(duì)于2018年在論文《Modeling Task Relationships in Multi-task Learning with Multi-gate Mixture-of-Experts》中提出，是一種新穎的多任務(wù)學(xué)習(xí)框架，廣泛應(yīng)用于推薦系統(tǒng)中。

本文從技術(shù)背景、演化過程、計(jì)算原理、關(guān)鍵問題解析以及基于PyTorch 的代碼實(shí)現(xiàn)方面對(duì)MMoE架構(gòu)進(jìn)行深入探究。

1.技術(shù)背景

（1）多任務(wù)學(xué)習(xí)的本質(zhì)是共享表示以及相關(guān)任務(wù)的相互影響，多任務(wù)學(xué)習(xí)模型并不總是在所有任務(wù)上都優(yōu)于相應(yīng)的單任務(wù)模型。

（2）通常，相似的子任務(wù)擁有比較接近的底層特征，那么在多任務(wù)學(xué)習(xí)中就可以很好地進(jìn)行底層特征共享。但對(duì)于不相似的任務(wù)，它們的底層特征表示差異很大，在進(jìn)行參數(shù)共享時(shí)很可能互相沖突或噪聲太多，從而導(dǎo)致多任務(wù)學(xué)習(xí)模型效果不佳。

（3）因此，多任務(wù)學(xué)習(xí)的難點(diǎn)是如何在相似性不高的任務(wù)上獲得好的效果。

2.MMoE演化過程

（1）MMoE的主干建立在最常用的Shared-Bottom模型（圖（a））上，其中所有任務(wù)共享一個(gè)底層網(wǎng)絡(luò)，每個(gè)任務(wù)在底層網(wǎng)絡(luò)的頂部有一個(gè)單獨(dú)的網(wǎng)絡(luò)塔。

（2）MMoE模型（圖（c））不是共享一個(gè)底層網(wǎng)絡(luò)，而是擁有一組底層網(wǎng)絡(luò)，其中每個(gè)底層網(wǎng)絡(luò)被稱之為專家（Expert）。

（3）與所有任務(wù)共享一個(gè)門控網(wǎng)絡(luò)（Gate）的MoE模型（圖（b））相比，MMoE為每個(gè)任務(wù)單獨(dú)引入一個(gè)門控網(wǎng)絡(luò)。在針對(duì)不同任務(wù)時(shí)可以得到不同的專家權(quán)重，從而實(shí)現(xiàn)對(duì)專家的選擇性利用，即不同任務(wù)對(duì)應(yīng)的門控網(wǎng)絡(luò)可以學(xué)習(xí)到不同的專家組合模式，因此更容易捕捉到任務(wù)間的相關(guān)性和差異性。

詳解MMoE 模型：多任務(wù)學(xué)習(xí)中的專家混合建模與實(shí)踐【附代碼】-AI.x社區(qū)

3.MMoE計(jì)算原理

詳解MMoE 模型：多任務(wù)學(xué)習(xí)中的專家混合建模與實(shí)踐【附代碼】-AI.x社區(qū)

（1）當(dāng)輸入為時(shí)（是特征維度），任務(wù)的輸出可以表示為：

其中，代表任務(wù)的底層網(wǎng)絡(luò)，即被多個(gè)任務(wù)共享的專家網(wǎng)絡(luò)組。代表專屬于任務(wù)的頂層網(wǎng)絡(luò)塔。

（2）底層共享專家組網(wǎng)絡(luò)的輸出可以表示為：

其中，代表第個(gè)專家網(wǎng)絡(luò)（是專家數(shù)量），代表任務(wù)的門控網(wǎng)絡(luò)產(chǎn)生的第個(gè)專家網(wǎng)絡(luò)的權(quán)重值。最終輸出結(jié)果為所有專家網(wǎng)絡(luò)輸出的加權(quán)和。

（3）對(duì)于任務(wù)專屬的門控網(wǎng)絡(luò)而言，輸入為特征，輸出為所有專家的權(quán)重值（類似于注意力機(jī)制），表示如下：

其中，是一個(gè)可訓(xùn)練參數(shù)矩陣。

（4）其中，每個(gè)專家網(wǎng)絡(luò)的輸入特征和結(jié)構(gòu)都是一樣的，每個(gè)門控網(wǎng)絡(luò)的輸入和結(jié)構(gòu)也是一樣的。專家和門控網(wǎng)絡(luò)的結(jié)構(gòu)都為前饋神經(jīng)網(wǎng)絡(luò)，層數(shù)可自定義。

（5）特別注意，由計(jì)算原理可知，門控網(wǎng)絡(luò)的數(shù)量取決于任務(wù)數(shù)量，門控網(wǎng)絡(luò)的輸出大小必須等于專家數(shù)量。

4.關(guān)鍵問題解析

（1）專家網(wǎng)絡(luò)的結(jié)構(gòu)一樣，輸入特征也一樣，是否會(huì)導(dǎo)致每個(gè)專家學(xué)習(xí)得到的參數(shù)趨向于一致，從而失去最終集成的意義？

（a）在網(wǎng)絡(luò)參數(shù)隨機(jī)初始化的情況下，不會(huì)出現(xiàn)上述問題。因?yàn)閿?shù)據(jù)存在多個(gè)視角，只要每一個(gè)專家網(wǎng)絡(luò)的參數(shù)初始化是不一樣的，就會(huì)導(dǎo)致每一個(gè)專家學(xué)習(xí)到數(shù)據(jù)中不同的特征表達(dá)。

（2）門控網(wǎng)絡(luò)的權(quán)重極化問題，即某些專家網(wǎng)絡(luò)的權(quán)重過大或者國小，導(dǎo)致模型對(duì)這些專家網(wǎng)絡(luò)的依賴性過高或過低，從而影響模型性能。

（a）使用Dropout：隨機(jī)地將一部分神經(jīng)元地輸出設(shè)置為0，以防止模型過度依賴某些神經(jīng)元，增強(qiáng)模型地泛化能力和魯棒性。

（b）正則化：對(duì)門控網(wǎng)絡(luò)的參數(shù)進(jìn)行正則化，如添加 L1 或 L2 正則項(xiàng)，限制參數(shù)的大小和復(fù)雜度，防止模型過擬合，也有助于緩解權(quán)重分布極化現(xiàn)象。