一.引言

上一篇文章介绍了 MMoE 借鉴 MoE 的思路，为每一类输出构建一个 Gate 并最终加权多个 Expert 的输出，提高了相关性不高的多任务问题，下面根据思路简易实现下 MMoE 逻辑。

二.MMoE 模型分析

上图为 BaseLine、MoE 与 MMoE，下面我们专门了解 MMoE 的实现细节，其中 bs 为 BatchSize，Hidden_units 代表隐层输出维度，E0、E1、E2 代表多个 Expert，Tower A、Tower B 代表 N 个输出。

这里 Gate 与 Expert 都可以理解为浅层模型。下面针对 bs 里的一个样本，分析下 MMoE 执行过程。

• Input

输入一个 embedding_size 长度的向量，这里也可以是 Filed 个变量，进入对应 Embedding 层 Lookup 再做 pooling，为了简单，这里直接取 1 x F，F 为 Field Size。

• Expert Output

输入向量分别经过 E1、E2、... 的 K 个 Expert 计算，得到 Expert 个输出，每个输出维度为 1 x Hidden。

• Gate output

输入向量分别经过 G1、G2、... 的 K 个 Gate 计算，得到 Expert 个输出，维度为 1 x expert，每一维代表对应 Expert Output 的权重，注意这里 Gate 最终输出需经过一层 softmax。

• Weighted Sum

将当前样本输出的 expert 分别与对应 Expert Output 加权求和作为每个任务的 Tower 的输入向量，合并后维度为 1 x hidden_units。

• Sigmoid Output

每个 Tower 最终为 sigmoid 输出的二分类深度模型，输入为 Expert x Hidden 的加权求和，维度仍然为 1 x Hidden。

Tips：

实际 BatchSize 执行时，将上述 1 x ... 换为 bs x ... 即对应 Batch 的逻辑。

三.MMoE 逻辑实现

参数设置为：

    num_field = 4hidden_units = 8num_expert = 3num_output = 2

4 个 Field 域、8 维输出、3 个 Expert、2 个任务。

• Input

这里 N 就是上面的 bs 即 Batch Size，F 为 Field Size，这里实现逻辑比较简单，实践场景下可以先将 Field Lookup 得到 Embedding 再 pooling 输入到后面的 Expert 和 Gate：

    # 1.构造 Input => N x Fnum_samples = 10inputs = np.array([np.ones(shape=num_field) for i in range(num_samples)])print("Input Shape:", inputs.shape)

Input Shape: (10, 4)

• Expert Output

    # 2.构建专家 kernel [(filed * hidden) x expert]expert_kernels = np.random.random(size=(num_field, hidden_units, num_expert))print("Expert Shape:", expert_kernels.shape)# 3.获取 Expert 输出 => [N x F] * [F x Hidden x Expert] = N x Hidden x Expertoutputs_by_expert = tf.tensordot(inputs, expert_kernels, axes=1)print("Output By Expert:", outputs_by_expert.shape)

Expert Shape: (4, 8, 3)
Output By Expert: (10, 8, 3)

• Gate Output

Gate：在 Dense 输出基础上，增加 softmax 逻辑。

class Gate(Layer):def __init__(self, expert_num, **kwargs):self.expert_num = expert_numself.gate = Nonesuper(Gate, self).__init__(**kwargs)def build(self, input_shape):self.gate = Dense(self.expert_num, activation='relu', kernel_initializer=glorot_normal_initializer)super(Gate, self).build(input_shape)def call(self, _inputs, **kwargs):weight = self.gate(_inputs)_output = tf.nn.softmax(weight)return _output

根据 num_output 任务输出数，决定构造 Gate 的数量，这是 MMoE 与 MoE 的区别之一。

    # 4.构建 Gategate = [Gate(num_expert) for i in range(num_output)]# 5.获取每个任务的 Gate 输出权重 output x N x expertoutputs_by_gate = np.array([gate[i](inputs) for i in range(num_output)])print("Output By Gate:", outputs_by_gate.shape)

Output By Gate: (2, 10, 3)

• Weighted Sum

    # 6.获取最终输出 N x outputpart_input = []for output_by_gate in outputs_by_gate:# N x Expert => N x 1 x Expertexpand_output_by_gate = tf.expand_dims(output_by_gate, axis=1)# N x 1 x Expert => N x Hidden x Expertrepeat_gate_weight = K.repeat_elements(expand_output_by_gate, hidden_units, axis=1)# N x Hidden x Expertweighted_expert_output = tf.cast(outputs_by_expert, dtype='float32') * repeat_gate_weight# N x Hiddenweighted_expert_sum = tf.reduce_sum(weighted_expert_output, axis=2)part_input.append(weighted_expert_sum)print("Part Input:", np.array(part_input).shape)

原始输入样本个数 N=10，输出 hidden_size=8，任务有2个，所以每个任务获得 BS x hidden_size 即 10 x 8 的 batch 样本。

Part Input: (2, 10, 8)

• Sigmoid Output

这里两个任务对应两个 Tower，之前介绍了多输出模型：TF x Keras 之多输出模型

任务架构基于 Shared-bottom Multi-task Model，实现了同时预测年龄、收入、性别的多分类问题，有兴趣的同学可以把 Shared-bottom 的架构切换为多个 Expert 再加入 Gate 即可实现基础的 MMoE，这里就不再展开了。

• 完整代码

import numpy as np
import tensorflow as tf
from tensorflow.python.keras.layers import *
from tensorflow.keras.layers import Layer
from tensorflow.python.ops.init_ops import glorot_normal_initializer
from tensorflow.keras import backend as Kclass Gate(Layer):def __init__(self, expert_num, **kwargs):self.expert_num = expert_numself.gate = Nonesuper(Gate, self).__init__(**kwargs)def build(self, input_shape):self.gate = Dense(self.expert_num, activation='relu', kernel_initializer=glorot_normal_initializer)super(Gate, self).build(input_shape)def call(self, _inputs, **kwargs):weight = self.gate(_inputs)_output = tf.nn.softmax(weight)return _outputdef MMOE(num_field, hidden_units, num_expert, num_output):# 1.构造 Input => N x Fnum_samples = 10inputs = np.array([np.ones(shape=num_field) for i in range(num_samples)])print("Input Shape:", inputs.shape)# 2.构建专家 kernel [(filed * hidden) x expert]expert_kernels = np.random.random(size=(num_field, hidden_units, num_expert))print("Expert Shape:", expert_kernels.shape)# 3.获取 Expert 输出 => [N x F] * [F x Hidden x Expert] = N x Hidden x Expertoutputs_by_expert = tf.tensordot(inputs, expert_kernels, axes=1)print("Output By Expert:", outputs_by_expert.shape)# 4.构建 Gategate = [Gate(num_expert) for i in range(num_output)]# 5.获取每个任务的 Gate 输出权重 output x N x expertoutputs_by_gate = np.array([gate[i](inputs) for i in range(num_output)])print("Output By Gate:", outputs_by_gate.shape)# 6.获取最终输出 N x outputpart_input = []for output_by_gate in outputs_by_gate:# N x Expert => N x 1 x Expertexpand_output_by_gate = tf.expand_dims(output_by_gate, axis=1)# N x 1 x Expert => N x Hidden x Expertrepeat_gate_weight = K.repeat_elements(expand_output_by_gate, hidden_units, axis=1)# N x Hidden x Expertweighted_expert_output = tf.cast(outputs_by_expert, dtype='float32') * repeat_gate_weight# N x Hiddenweighted_expert_sum = tf.reduce_sum(weighted_expert_output, axis=2)part_input.append(weighted_expert_sum)print("Part Input:", np.array(part_input).shape)if __name__ == '__main__':num_field, hidden_units, num_expert, num_output = 4, 8, 3, 2MMOE(num_field, hidden_units, num_expert, num_output)