[自然语言处理] NLP-RNN及其变体-干货

一、认识RNN模型

1 什么是RNN模型

• RNN(Recurrent Neural Network), 中文称作循环神经网络, 它一般以序列数据为输入, 通过网络内部的结构设计有效捕捉序列之间的关系特征, 一般也是以序列形式进行输出.

• 一般单层神经网络结构:

• RNN单层网络结构:

• 以时间步对RNN进行展开后的单层网络结构:

• RNN的循环机制使模型隐层上一时间步产生的结果, 能够作为当下时间步输入的一部分(当下时间步的输入除了正常的输入外还包括上一步的隐层输出)对当下时间步的输出产生影响.

2 RNN模型的作用

• 因为RNN结构能够很好利用序列之间的关系, 因此针对自然界具有连续性的输入序列, 如人类的语言, 语音等进行很好的处理, 广泛应用于NLP领域的各项任务, 如文本分类, 情感分析, 意图识别, 机器翻译等.

• 下面我们将以一个用户意图识别的例子进行简单的分析:

• 第一步: 用户输入了"What time is it ?", 我们首先需要对它进行基本的分词, 因为RNN是按照顺序工作的, 每次只接收一个单词进行处理.

• 第二步: 首先将单词"What"输送给RNN, 它将产生一个输出O1.

• 第三步: 继续将单词"time"输送给RNN, 但此时RNN不仅仅利用"time"来产生输出O2, 还会使用来自上一层隐层输出O1作为输入信息.

• 第四步: 重复这样的步骤, 直到处理完所有的单词.

• 第五步: 最后，将最终的隐层输出O5进行处理来解析用户意图.

3 RNN模型的分类

• 这里我们将从两个角度对RNN模型进行分类. 第一个角度是输入和输出的结构, 第二个角度是RNN的内部构造.

• 按照输入和输出的结构进行分类:

  • N vs N - RNN

  • N vs 1 - RNN

  • 1 vs N - RNN

  • N vs M - RNN

• 按照RNN的内部构造进行分类:

  • 传统RNN

  • LSTM

  • Bi-LSTM

  • GRU

  • Bi-GRU

• N vs N - RNN:

  • 它是RNN最基础的结构形式, 最大的特点就是: 输入和输出序列是等长的. 由于这个限制的存在, 使其适用范围比较小, 可用于生成等长度的合辙诗句.

• N vs 1 - RNN:

  • 有时候我们要处理的问题输入是一个序列，而要求输出是一个单独的值而不是序列，应该怎样建模呢？我们只要在最后一个隐层输出h上进行线性变换就可以了，大部分情况下，为了更好的明确结果, 还要使用sigmoid或者softmax进行处理. 这种结构经常被应用在文本分类问题上.

• 1 vs N - RNN:

  • 如果输入不是序列而输出为序列的情况怎么处理呢？我们最常采用的一种方式就是使该输入作用于每次的输出之上. 这种结构可用于将图片生成文字任务等.

• N vs M - RNN:

  • 这是一种不限输入输出长度的RNN结构, 它由编码器和解码器两部分组成, 两者的内部结构都是某类RNN, 它也被称为seq2seq架构. 输入数据首先通过编码器, 最终输出一个隐含变量c, 之后最常用的做法是使用这个隐含变量c作用在解码器进行解码的每一步上, 以保证输入信息被有效利用.

• seq2seq架构最早被提出应用于机器翻译, 因为其输入输出不受限制，如今也是应用最广的RNN模型结构. 在机器翻译, 阅读理解, 文本摘要等众多领域都进行了非常多的应用实践.

• 关于RNN的内部构造进行分类的内容我们将在后面使用单独的小节详细讲解.

4 小结

• 学习了什么是RNN模型:

  • RNN(Recurrent Neural Network), 中文称作循环神经网络, 它一般以序列数据为输入, 通过网络内部的结构设计有效捕捉序列之间的关系特征, 一般也是以序列形式进行输出.

• RNN的循环机制使模型隐层上一时间步产生的结果, 能够作为当下时间步输入的一部分(当下时间步的输入除了正常的输入外还包括上一步的隐层输出)对当下时间步的输出产生影响.

• 学习了RNN模型的作用:

  • 因为RNN结构能够很好利用序列之间的关系, 因此针对自然界具有连续性的输入序列, 如人类的语言, 语音等进行很好的处理, 广泛应用于NLP领域的各项任务, 如文本分类, 情感分析, 意图识别, 机器翻译等.

• 以一个用户意图识别的例子对RNN的运行过程进行简单的分析:

  • 第一步: 用户输入了"What time is it ?", 我们首先需要对它进行基本的分词, 因为RNN是按照顺序工作的, 每次只接收一个单词进行处理.

  • 第二步: 首先将单词"What"输送给RNN, 它将产生一个输出O1.

  • 第三步: 继续将单词"time"输送给RNN, 但此时RNN不仅仅利用"time"来产生输出O2, 还会使用来自上一层隐层输出O1作为输入信息.

  • 第四步: 重复这样的步骤, 直到处理完所有的单词.

  • 第五步: 最后，将最终的隐层输出O5进行处理来解析用户意图.

• 学习了RNN模型的分类:

  • 这里我们将从两个角度对RNN模型进行分类. 第一个角度是输入和输出的结构, 第二个角度是RNN的内部构造.

• 按照输入和输出的结构进行分类:

  • N vs N - RNN

  • N vs 1 - RNN

  • 1 vs N - RNN

  • N vs M - RNN

• N vs N - RNN:

  • 它是RNN最基础的结构形式, 最大的特点就是: 输入和输出序列是等长的. 由于这个限制的存在, 使其适用范围比较小, 可用于生成等长度的合辙诗句.

• N vs 1 - RNN:

  • 有时候我们要处理的问题输入是一个序列，而要求输出是一个单独的值而不是序列，应该怎样建模呢？我们只要在最后一个隐层输出h上进行线性变换就可以了，大部分情况下，为了更好的明确结果, 还要使用sigmoid或者softmax进行处理. 这种结构经常被应用在文本分类问题上.

• 1 vs N - RNN:

  • 如果输入不是序列而输出为序列的情况怎么处理呢？我们最常采用的一种方式就是使该输入作用于每次的输出之上. 这种结构可用于将图片生成文字任务等.

• N vs M - RNN:

  • 这是一种不限输入输出长度的RNN结构, 它由编码器和解码器两部分组成, 两者的内部结构都是某类RNN, 它也被称为seq2seq架构. 输入数据首先通过编码器, 最终输出一个隐含变量c, 之后最常用的做法是使用这个隐含变量c作用在解码器进行解码的每一步上, 以保证输入信息被有效利用.

  • seq2seq架构最早被提出应用于机器翻译, 因为其输入输出不受限制，如今也是应用最广的RNN模型结构. 在机器翻译, 阅读理解, 文本摘要等众多领域都进行了非常多的应用实践.

• 按照RNN的内部构造进行分类:

  • 传统RNN

  • LSTM

  • Bi-LSTM

  • GRU

  • Bi-GRU

二、传统RNN模型

1 传统RNN的内部结构图

1.1 RNN结构分析

• 结构解释图:

• 内部结构分析:

  • 我们把目光集中在中间的方块部分, 它的输入有两部分, 分别是h(t-1)以及x(t), 代表上一时间步的隐层输出, 以及此时间步的输入, 它们进入RNN结构体后, 会"融合"到一起, 这种融合我们根据结构解释可知, 是将二者进行拼接, 形成新的张量[x(t), h(t-1)], 之后这个新的张量将通过一个全连接层(线性层), 该层使用tanh作为激活函数, 最终得到该时间步的输出h(t), 它将作为下一个时间步的输入和x(t+1)一起进入结构体. 以此类推.

• 内部结构过程演示:

• 根据结构分析得出内部计算公式:ht=tanh(Wt[Xt,ht−1]+bt)ht=tanh(Wt[Xt,ht−1]+bt)

• 激活函数tanh的作用:

  • 用于帮助调节流经网络的值, tanh函数将值压缩在-1和1之间.

1.2 使用Pytorch构建RNN模型

• 位置: 在torch.nn工具包之中, 通过torch.nn.RNN可调用

• nn.RNN使用示例1:

import torch
import torch.nn as nn
​
def  dm_rnn_for_base():   '''   第一个参数：input_size(输入张量x的维度)   第二个参数：hidden_size(隐藏层的维度， 隐藏层的神经元个数)   第三个参数：num_layer(隐藏层的数量)   '''   rnn = nn.RNN(5, 6, 1) #A
​   '''   第一个参数：sequence_length(输入序列的长度)   第二个参数：batch_size(批次的样本数量)   第三个参数：input_size(输入张量的维度)   '''   input = torch.randn(1, 3, 5) #B
​   '''   第一个参数：num_layer * num_directions(层数*网络方向)   第二个参数：batch_size(批次的样本数)   第三个参数：hidden_size(隐藏层的维度， 隐藏层神经元的个数)   '''   h0 = torch.randn(1, 3, 6) #C
​   # [1,3,5],[1,3,6] ---> [1,3,6],[1,3,6]   output, hn = rnn(input, h0)
​   print('output--->',output.shape, output)   print('hn--->',hn.shape, hn)   print('rnn模型--->', rnn)

​
# 程序运行效果如下：

output---> torch.Size([1, 3, 6]) tensor([[[ 0.8947, -0.6040,  0.9878, -0.1070, -0.7071, -0.1434],        [ 0.0955, -0.8216,  0.9475, -0.7593, -0.8068, -0.5549],        [-0.1524,  0.7519, -0.1985,  0.0937,  0.2009, -0.0244]]],      grad_fn=<StackBackward0>)
​
hn---> torch.Size([1, 3, 6]) tensor([[[ 0.8947, -0.6040,  0.9878, -0.1070, -0.7071, -0.1434],        [ 0.0955, -0.8216,  0.9475, -0.7593, -0.8068, -0.5549],        [-0.1524,  0.7519, -0.1985,  0.0937,  0.2009, -0.0244]]],      grad_fn=<StackBackward0>)
​
rnn模型---> RNN(5, 6)

• nn.RNN使用示例2

# 输入数据长度发生变化
def  dm_rnn_for_sequencelen():   '''   第一个参数：input_size(输入张量x的维度)   第二个参数：hidden_size(隐藏层的维度， 隐藏层的神经元个数)   第三个参数：num_layer(隐藏层的数量)   '''   rnn = nn.RNN(5, 6, 1) #A   '''   第一个参数：sequence_length(输入序列的长度)   第二个参数：batch_size(批次的样本数量)   第三个参数：input_size(输入张量的维度)   '''   input = torch.randn(20, 3, 5) #B   '''   第一个参数：num_layer * num_directions(层数*网络方向)   第二个参数：batch_size(批次的样本数)   第三个参数：hidden_size(隐藏层的维度， 隐藏层神经元的个数)   '''   h0 = torch.randn(1, 3, 6) #C
​   # [20,3,5],[1,3,6] --->[20,3,6],[1,3,6]   output, hn = rnn(input, h0)  #
​   print('output--->', output.shape)   print('hn--->', hn.shape)   print('rnn模型--->', rnn)
​
# 程序运行效果如下： 
output---> torch.Size([20, 3, 6])
hn---> torch.Size([1, 3, 6])
rnn模型---> RNN(5, 6)

• nn.RNN使用示例3

def dm_run_for_hiddennum():   '''   第一个参数：input_size(输入张量x的维度)   第二个参数：hidden_size(隐藏层的维度， 隐藏层的神经元个数)   第三个参数：num_layer(隐藏层的数量)   '''   rnn = nn.RNN(5, 6, 2)  # A 隐藏层个数从1-->2 下面程序需要修改的地方？   '''   第一个参数：sequence_length(输入序列的长度)   第二个参数：batch_size(批次的样本数量)   第三个参数：input_size(输入张量的维度)   '''   input = torch.randn(1, 3, 5)  # B   '''   第一个参数：num_layer * num_directions(层数*网络方向)   第二个参数：batch_size(批次的样本数)   第三个参数：hidden_size(隐藏层的维度， 隐藏层神经元的个数)   '''   h0 = torch.randn(2, 3, 6)  # C
​   output, hn = rnn(input, h0)  #   print('output-->', output.shape, output)   print('hn-->', hn.shape, hn)   print('rnn模型--->', rnn)  # nn模型---> RNN(5, 6, num_layers=11)
​   # 结论：若只有一个隐藏次 output输出结果等于hn   # 结论：如果有2个隐藏层，output的输出结果有2个，hn等于最后一个隐藏层
​
# 程序运行效果如下： 
output--> torch.Size([1, 3, 6]) tensor([[[ 0.4987, -0.5756,  0.1934,  0.7284,  0.4478, -0.1244],        [ 0.6753,  0.5011, -0.7141,  0.4480,  0.7186,  0.5437],        [ 0.6260,  0.7600, -0.7384, -0.5080,  0.9054,  0.6011]]],      grad_fn=<StackBackward0>)
hn--> torch.Size([2, 3, 6]) tensor([[[ 0.4862,  0.6872, -0.0437, -0.7826, -0.7136, -0.5715],        [ 0.8942,  0.4524, -0.1695, -0.5536, -0.4367, -0.3353],        [ 0.5592,  0.0444, -0.8384, -0.5193,  0.7049, -0.0453]],
​       [[ 0.4987, -0.5756,  0.1934,  0.7284,  0.4478, -0.1244],        [ 0.6753,  0.5011, -0.7141,  0.4480,  0.7186,  0.5437],        [ 0.6260,  0.7600, -0.7384, -0.5080,  0.9054,  0.6011]]],      grad_fn=<StackBackward0>)
rnn模型---> RNN(5, 6, num_layers=2)

1.3 传统RNN优缺点

1 传统RNN的优势

• 由于内部结构简单, 对计算资源要求低, 相比之后我们要学习的RNN变体:LSTM和GRU模型参数总量少了很多, 在短序列任务上性能和效果都表现优异.

2 传统RNN的缺点

• 传统RNN在解决长序列之间的关联时, 通过实践，证明经典RNN表现很差, 原因是在进行反向传播的时候, 过长的序列导致梯度的计算异常, 发生梯度消失或爆炸.

3 梯度消失或爆炸介绍

根据反向传播算法和链式法则, 梯度的计算可以简化为以下公式

• 其中sigmoid的导数值域是固定的, 在[0, 0.25]之间, 而一旦公式中的w也小于1, 那么通过这样的公式连乘后, 最终的梯度就会变得非常非常小, 这种现象称作梯度消失. 反之, 如果我们人为的增大w的值, 使其大于1, 那么连乘够就可能造成梯度过大, 称作梯度爆炸.

• 梯度消失或爆炸的危害:

  • 如果在训练过程中发生了梯度消失，权重无法被更新，最终导致训练失败; 梯度爆炸所带来的梯度过大，大幅度更新网络参数，在极端情况下，结果会溢出（NaN值）.

2 小结

• 学习了传统RNN的结构并进行了分析;

  • 它的输入有两部分, 分别是h(t-1)以及x(t), 代表上一时间步的隐层输出, 以及此时间步的输入, 它们进入RNN结构体后, 会"融合"到一起, 这种融合我们根据结构解释可知, 是将二者进行拼接, 形成新的张量[x(t), h(t-1)], 之后这个新的张量将通过一个全连接层(线性层), 该层使用tanh作为激活函数, 最终得到该时间步的输出h(t), 它将作为下一个时间步的输入和x(t+1)一起进入结构体. 以此类推.

• 根据结构分析得出了传统RNN的计算公式.

• 学习了激活函数tanh的作用:

  • 用于帮助调节流经网络的值, tanh函数将值压缩在-1和1之间.

• 学习了Pytorch中传统RNN工具的使用:

  • 位置: 在torch.nn工具包之中, 通过torch.nn.RNN可调用.

• nn.RNN类初始化主要参数解释:

  • input_size: 输入张量x中特征维度的大小.

  • hidden_size: 隐层张量h中特征维度的大小.

  • num_layers: 隐含层的数量.

  • nonlinearity: 激活函数的选择, 默认是tanh.

• nn.RNN类实例化对象主要参数解释:

  • input: 输入张量x.

  • h0: 初始化的隐层张量h.

• 实现了nn.RNN的使用示例, 获得RNN的真实返回结果样式.

• 学习了传统RNN的优势:

  • 由于内部结构简单, 对计算资源要求低, 相比之后我们要学习的RNN变体:LSTM和GRU模型参数总量少了很多, 在短序列任务上性能和效果都表现优异.

• 学习了传统RNN的缺点:

  • 传统RNN在解决长序列之间的关联时, 通过实践，证明经典RNN表现很差, 原因是在进行反向传播的时候, 过长的序列导致梯度的计算异常, 发生梯度消失或爆炸.

• 学习了什么是梯度消失或爆炸:

  • 根据反向传播算法和链式法则, 得到梯度的计算的简化公式:其中sigmoid的导数值域是固定的, 在[0, 0.25]之间, 而一旦公式中的w也小于1, 那么通过这样的公式连乘后, 最终的梯度就会变得非常非常小, 这种现象称作梯度消失. 反之, 如果我们人为的增大w的值, 使其大于1, 那么连乘够就可能造成梯度过大, 称作梯度爆炸.

• 梯度消失或爆炸的危害:

  • 如果在训练过程中发生了梯度消失，权重无法被更新，最终导致训练失败; 梯度爆炸所带来的梯度过大，大幅度更新网络参数，在极端情况下，结果会溢出（NaN值）.

三、LSTM模型

1 LSTM介绍

LSTM（Long Short-Term Memory）也称长短时记忆结构, 它是传统RNN的变体, 与经典RNN相比能够有效捕捉长序列之间的语义关联, 缓解梯度消失或爆炸现象. 同时LSTM的结构更复杂, 它的核心结构可以分为四个部分去解析:

• 遗忘门

• 输入门

• 细胞状态

• 输出门

2 LSTM的内部结构图

2.1 LSTM结构分析

• 结构解释图:

• 遗忘门部分结构图与计算公式:

• 遗忘门结构分析:

  • 与传统RNN的内部结构计算非常相似, 首先将当前时间步输入x(t)与上一个时间步隐含状态h(t-1)拼接, 得到[x(t), h(t-1)], 然后通过一个全连接层做变换, 最后通过sigmoid函数进行激活得到f(t), 我们可以将f(t)看作是门值, 好比一扇门开合的大小程度, 门值都将作用在通过该扇门的张量, 遗忘门门值将作用的上一层的细胞状态上, 代表遗忘过去的多少信息, 又因为遗忘门门值是由x(t), h(t-1)计算得来的, 因此整个公式意味着根据当前时间步输入和上一个时间步隐含状态h(t-1)来决定遗忘多少上一层的细胞状态所携带的过往信息.

• 遗忘门内部结构过程演示:

• 激活函数sigmiod的作用:

  • 用于帮助调节流经网络的值, sigmoid函数将值压缩在0和1之间.

• 输入门部分结构图与计算公式:

• 输入门结构分析:

  • 我们看到输入门的计算公式有两个, 第一个就是产生输入门门值的公式, 它和遗忘门公式几乎相同, 区别只是在于它们之后要作用的目标上. 这个公式意味着输入信息有多少需要进行过滤. 输入门的第二个公式是与传统RNN的内部结构计算相同. 对于LSTM来讲, 它得到的是当前的细胞状态, 而不是像经典RNN一样得到的是隐含状态.

• 输入门内部结构过程演示:

• 细胞状态更新图与计算公式:

• 细胞状态更新分析:

  • 细胞更新的结构与计算公式非常容易理解, 这里没有全连接层, 只是将刚刚得到的遗忘门门值与上一个时间步得到的C(t-1)相乘, 再加上输入门门值与当前时间步得到的未更新C(t)相乘的结果. 最终得到更新后的C(t)作为下一个时间步输入的一部分. 整个细胞状态更新过程就是对遗忘门和输入门的应用.

• 细胞状态更新过程演示:

• 输出门部分结构图与计算公式:

• 输出门结构分析:

  • 输出门部分的公式也是两个, 第一个即是计算输出门的门值, 它和遗忘门，输入门计算方式相同. 第二个即是使用这个门值产生隐含状态h(t), 他将作用在更新后的细胞状态C(t)上, 并做tanh激活, 最终得到h(t)作为下一时间步输入的一部分. 整个输出门的过程, 就是为了产生隐含状态h(t).

• 输出门内部结构过程演示:

2.2 Bi-LSTM介绍

Bi-LSTM即双向LSTM, 它没有改变LSTM本身任何的内部结构, 只是将LSTM应用两次且方向不同, 再将两次得到的LSTM结果进行拼接作为最终输出.

• Bi-LSTM结构分析:

  • 我们看到图中对"我爱中国"这句话或者叫这个输入序列, 进行了从左到右和从右到左两次LSTM处理, 将得到的结果张量进行了拼接作为最终输出. 这种结构能够捕捉语言语法中一些特定的前置或后置特征, 增强语义关联,但是模型参数和计算复杂度也随之增加了一倍, 一般需要对语料和计算资源进行评估后决定是否使用该结构.

2.3 使用Pytorch构建LSTM模型

• 位置: 在torch.nn工具包之中, 通过torch.nn.LSTM可调用.

• nn.LSTM类初始化主要参数解释:

  • input_size: 输入张量x中特征维度的大小.

  • hidden_size: 隐层张量h中特征维度的大小.

  • num_layers: 隐含层的数量.

  • bidirectional: 是否选择使用双向LSTM, 如果为True, 则使用; 默认不使用.

• nn.LSTM类实例化对象主要参数解释:

  • input: 输入张量x.

  • h0: 初始化的隐层张量h.

  • c0: 初始化的细胞状态张量c.

• nn.LSTM使用示例:

# 定义LSTM的参数含义: (input_size, hidden_size, num_layers)
# 定义输入张量的参数含义: (sequence_length, batch_size, input_size)
# 定义隐藏层初始张量和细胞初始状态张量的参数含义:
# (num_layers * num_directions, batch_size, hidden_size)
​
>>> import torch.nn as nn
>>> import torch
>>> rnn = nn.LSTM(5, 6, 2)
>>> input = torch.randn(1, 3, 5)
>>> h0 = torch.randn(2, 3, 6)
>>> c0 = torch.randn(2, 3, 6)
>>> output, (hn, cn) = rnn(input, (h0, c0))
>>> output
tensor([[[ 0.0447, -0.0335,  0.1454,  0.0438,  0.0865,  0.0416],        [ 0.0105,  0.1923,  0.5507, -0.1742,  0.1569, -0.0548],        [-0.1186,  0.1835, -0.0022, -0.1388, -0.0877, -0.4007]]],      grad_fn=<StackBackward>)
>>> hn
tensor([[[ 0.4647, -0.2364,  0.0645, -0.3996, -0.0500, -0.0152],        [ 0.3852,  0.0704,  0.2103, -0.2524,  0.0243,  0.0477],        [ 0.2571,  0.0608,  0.2322,  0.1815, -0.0513, -0.0291]],
​       [[ 0.0447, -0.0335,  0.1454,  0.0438,  0.0865,  0.0416],        [ 0.0105,  0.1923,  0.5507, -0.1742,  0.1569, -0.0548],        [-0.1186,  0.1835, -0.0022, -0.1388, -0.0877, -0.4007]]],      grad_fn=<StackBackward>)
>>> cn
tensor([[[ 0.8083, -0.5500,  0.1009, -0.5806, -0.0668, -0.1161],        [ 0.7438,  0.0957,  0.5509, -0.7725,  0.0824,  0.0626],        [ 0.3131,  0.0920,  0.8359,  0.9187, -0.4826, -0.0717]],
​       [[ 0.1240, -0.0526,  0.3035,  0.1099,  0.5915,  0.0828],        [ 0.0203,  0.8367,  0.9832, -0.4454,  0.3917, -0.1983],        [-0.2976,  0.7764, -0.0074, -0.1965, -0.1343, -0.6683]]],      grad_fn=<StackBackward>)

2.4 LSTM优缺点

• LSTM优势:

  LSTM的门结构能够有效减缓长序列问题中可能出现的梯度消失或爆炸, 虽然并不能杜绝这种现象, 但在更长的序列问题上表现优于传统RNN.

• LSTM缺点:

  由于内部结构相对较复杂, 因此训练效率在同等算力下较传统RNN低很多.

3 小结

• LSTM（Long Short-Term Memory）也称长短时记忆结构, 它是传统RNN的变体, 与经典RNN相比能够有效捕捉长序列之间的语义关联, 缓解梯度消失或爆炸现象. 同时LSTM的结构更复杂, 它的核心结构可以分为四个部分去解析:

  • 遗忘门

  • 输入门

  • 输出门

  • 细胞状态

• 遗忘门结构分析:

  与传统RNN的内部结构计算非常相似, 首先将当前时间步输入x(t)与上一个时间步隐含状态h(t-1)拼接, 得到[x(t), h(t-1)], 然后通过一个全连接层做变换, 最后通过sigmoid函数进行激活得到f(t), 我们可以将f(t)看作是门值, 好比一扇门开合的大小程度, 门值都将作用在通过该扇门的张量, 遗忘门门值将作用的上一层的细胞状态上, 代表遗忘过去的多少信息, 又因为遗忘门门值是由x(t), h(t-1)计算得来的, 因此整个公式意味着根据当前时间步输入和上一个时间步隐含状态h(t-1)来决定遗忘多少上一层的细胞状态所携带的过往信息.

• 输入门结构分析:

  我们看到输入门的计算公式有两个, 第一个就是产生输入门门值的公式, 它和遗忘门公式几乎相同, 区别只是在于它们之后要作用的目标上. 这个公式意味着输入信息有多少需要进行过滤. 输入门的第二个公式是与传统RNN的内部结构计算相同. 对于LSTM来讲, 它得到的是当前的细胞状态, 而不是像经典RNN一样得到的是隐含状态.

• 细胞状态更新分析:

  细胞更新的结构与计算公式非常容易理解, 这里没有全连接层, 只是将刚刚得到的遗忘门门值与上一个时间步得到的C(t-1)相乘, 再加上输入门门值与当前时间步得到的未更新C(t)相乘的结果. 最终得到更新后的C(t)作为下一个时间步输入的一部分. 整个细胞状态更新过程就是对遗忘门和输入门的应用.

• 输出门结构分析:

  输出门部分的公式也是两个, 第一个即是计算输出门的门值, 它和遗忘门，输入门计算方式相同. 第二个即是使用这个门值产生隐含状态h(t), 他将作用在更新后的细胞状态C(t)上, 并做tanh激活, 最终得到h(t)作为下一时间步输入的一部分. 整个输出门的过程, 就是为了产生隐含状态h(t).

• 什么是Bi-LSTM ?

  Bi-LSTM即双向LSTM, 它没有改变LSTM本身任何的内部结构, 只是将LSTM应用两次且方向不同, 再将两次得到的LSTM结果进行拼接作为最终输出.

• Pytorch中LSTM工具的使用:

  位置: 在torch.nn工具包之中, 通过torch.nn.LSTM可调用.

• LSTM优势:

  LSTM的门结构能够有效减缓长序列问题中可能出现的梯度消失或爆炸, 虽然并不能杜绝这种现象, 但在更长的序列问题上表现优于传统RNN.

• LSTM缺点:

  由于内部结构相对较复杂, 因此训练效率在同等算力下较传统RNN低很多.

四、GRU模型

1 GRU介绍

GRU（Gated Recurrent Unit）也称门控循环单元结构, 它也是传统RNN的变体, 同LSTM一样能够有效捕捉长序列之间的语义关联, 缓解梯度消失或爆炸现象. 同时它的结构和计算要比LSTM更简单, 它的核心结构可以分为两个部分去解析:

• 更新门

• 重置门

2 GRU的内部结构图

2.1 GRU结构分析

• 结构解释图:

• GRU的更新门和重置门结构图:

• 内部结构分析:

  • 和之前分析过的LSTM中的门控一样, 首先计算更新门和重置门的门值, 分别是z(t)和r(t), 计算方法就是使用X(t)与h(t-1)拼接进行线性变换, 再经过sigmoid激活. 之后重置门门值作用在了h(t-1)上, 代表控制上一时间步传来的信息有多少可以被利用. 接着就是使用这个重置后的h(t-1)进行基本的RNN计算, 即与x(t)拼接进行线性变化, 经过tanh激活, 得到新的h(t). 最后更新门的门值会作用在新的h(t)，而1-门值会作用在h(t-1)上, 随后将两者的结果相加, 得到最终的隐含状态输出h(t), 这个过程意味着更新门有能力保留之前的结果, 当门值趋于1时, 输出就是新的h(t), 而当门值趋于0时, 输出就是上一时间步的h(t-1).

2.2 Bi-GRU介绍

Bi-GRU与Bi-LSTM的逻辑相同, 都是不改变其内部结构, 而是将模型应用两次且方向不同, 再将两次得到的LSTM结果进行拼接作为最终输出. 具体参见上小节中的Bi-LSTM.

2.3 使用Pytorch构建GRU模型

• 位置: 在torch.nn工具包之中, 通过torch.nn.GRU可调用.

• nn.GRU类初始化主要参数解释:

  • input_size: 输入张量x中特征维度的大小.

  • hidden_size: 隐层张量h中特征维度的大小.

  • num_layers: 隐含层的数量.

    • bidirectional: 是否选择使用双向LSTM, 如果为True, 则使用; 默认不使用.

• nn.GRU类实例化对象主要参数解释:

  • input: 输入张量x.

    • h0: 初始化的隐层张量h.

• nn.GRU使用示例:

import torch
import torch.nn as nn
rnn = nn.GRU(5, 6, 2)
input = torch.randn(1, 3, 5)
h0 = torch.randn(2, 3, 6)
output, hn = rnn(input, h0)
output
tensor([[[-0.2097, -2.2225,  0.6204, -0.1745, -0.1749, -0.0460],        [-0.3820,  0.0465, -0.4798,  0.6837, -0.7894,  0.5173],        [-0.0184, -0.2758,  1.2482,  0.5514, -0.9165, -0.6667]]],      grad_fn=<StackBackward>)
>>> hn
tensor([[[ 0.6578, -0.4226, -0.2129, -0.3785,  0.5070,  0.4338],        [-0.5072,  0.5948,  0.8083,  0.4618,  0.1629, -0.1591],        [ 0.2430, -0.4981,  0.3846, -0.4252,  0.7191,  0.5420]],
​       [[-0.2097, -2.2225,  0.6204, -0.1745, -0.1749, -0.0460],        [-0.3820,  0.0465, -0.4798,  0.6837, -0.7894,  0.5173],        [-0.0184, -0.2758,  1.2482,  0.5514, -0.9165, -0.6667]]],      grad_fn=<StackBackward>)

2.4 GRU优缺点

• GRU的优势:

  • GRU和LSTM作用相同, 在捕捉长序列语义关联时, 能有效抑制梯度消失或爆炸, 效果都优于传统RNN且计算复杂度相比LSTM要小.

• GRU的缺点:

  • GRU仍然不能完全解决梯度消失问题, 同时其作用RNN的变体, 有着RNN结构本身的一大弊端, 即不可并行计算, 这在数据量和模型体量逐步增大的未来, 是RNN发展的关键瓶颈.

3 小结

• GRU（Gated Recurrent Unit）也称门控循环单元结构, 它也是传统RNN的变体, 同LSTM一样能够有效捕捉长序列之间的语义关联, 缓解梯度消失或爆炸现象. 同时它的结构和计算要比LSTM更简单, 它的核心结构可以分为两个部分去解析:

  • 更新门

  • 重置门

• 内部结构分析:

  • 和之前分析过的LSTM中的门控一样, 首先计算更新门和重置门的门值, 分别是z(t)和r(t), 计算方法就是使用X(t)与h(t-1)拼接进行线性变换, 再经过sigmoid激活. 之后重置门门值作用在了h(t-1)上, 代表控制上一时间步传来的信息有多少可以被利用. 接着就是使用这个重置后的h(t-1)进行基本的RNN计算, 即与x(t)拼接进行线性变化, 经过tanh激活, 得到新的h(t). 最后更新门的门值会作用在新的h(t)，而1-门值会作用在h(t-1)上, 随后将两者的结果相加, 得到最终的隐含状态输出h(t), 这个过程意味着更新门有能力保留之前的结果, 当门值趋于1时, 输出就是新的h(t), 而当门值趋于0时, 输出就是上一时间步的h(t-1).

• Bi-GRU与Bi-LSTM的逻辑相同, 都是不改变其内部结构, 而是将模型应用两次且方向不同, 再将两次得到的LSTM结果进行拼接作为最终输出. 具体参见上小节中的Bi-LSTM.

• Pytorch中GRU工具的使用:

  • 位置: 在torch.nn工具包之中, 通过torch.nn.GRU可调用.

  <