一、介绍
1、什么是RNN
- 传统的神经网络是层与层之间是全连接的,但是每层之间的神经元是没有连接的(其实是假设各个数据之间是独立的)
- 这种结构不善于处理序列化的问题。比如要预测句子中的下一个单词是什么,这往往与前面的单词有很大的关联,因为句子里面的单词并不是独立的。
-
RNN
的结构说明当前的的输出与前面的输出也有关,即隐层之间的节点不再是无连接的,而是有连接的- 基本的结构如图,可以看到有个循环的结构,将其展开就是右边的结构
2、运算说明
- 如上图,输入单元(
inputs units
): {x0,x1,⋯⋯,xt,xt+1,⋯⋯}{x0,x1,⋯⋯,xt,xt+1,⋯⋯},- 输出单元(output units)为:{o0,o1,⋯⋯,ot,ot+1,⋯⋯}{o0,o1,⋯⋯,ot,ot+1,⋯⋯},
- 隐藏单元(hidden units)输出集: {s0,s1,⋯⋯,ost,st+1,⋯⋯}{s0,s1,⋯⋯,ost,st+1,⋯⋯}
- 时间
t
隐层单元的输出为:st=f(Uxt+Wst−1)st=f(Uxt+Wst−1)-
f
就是激励函数,一般是sigmoid,tanh, relu
等 - 计算s0s0时,即第一个的隐藏层状态,需要用到s−1s−1,但是其并不存在,在实现中一般置为0向量
- (如果将上面的竖着立起来,其实很像传统的神经网络,哈哈)
-
- 时间
t
的输出为:ot=Softmax(Vst)ot=Softmax(Vst)- 可以认为隐藏层状态stst是网络的记忆单元. stst包含了前面所有步的隐藏层状态。而输出层的输出otot只与当前步的stst有关。
- (在实践中,为了降低网络的复杂度,往往stst只包含前面若干步而不是所有步的隐藏层状态)
- 在
RNNs
中,每输入一步,每一层都共享参数U,V,W
,(因为是将循环的部分展开,天然应该相等) -
RNNs
的关键之处在于隐藏层,隐藏层能够捕捉序列的信息。
3、应用方面
- 循环神经网络(
Recurrent Neural Networks,RNNs
)已经在众多自然语言处理(Natural Language Processing, NLP
)中取得了巨大成功以及广泛应用。目前使用最广泛最成功的模型便是LSTMs
(Long Short-Term Memory,长短时记忆模型)模型
(1) 语言模型和文本生成
- 给定一个单词序列,根据前面的单词预测下面单词的可能性
- 也可以根据概率生成新的词
- 这里给出了3篇论文
- 和上面的语言模型很像,只不过是根据一段过生成另外的一段话
- 注意的是开始的输出是在全部输入结束后生成的
- 一些论文
(3) 语音识别
- 论文
- 根据图像,生成一段描述图像的话
- 需要和
CNN
结合使用
二、结构
1、One to One
- 即一个输入对应一个输出,就是上面的图
2、Many to One
- 即多个输入对应一个输出,比如情感分析,一段话中很多次,判断这段话的情感
- 其中x1,x2,…,xtx1,x2,…,xt表示句子中的
t
个词,o
代表最终输出的情感标签 - 前向计算就是:
f(x)=Vst=V(Uxt+Wst−1)=V(Uxt+W(Uxt−1+Wst−2))⋯f(x)=Vst=V(Uxt+Wst−1)=V(Uxt+W(Uxt−1+Wst−2))⋯
3、One to Many
- 前向计算类似,不再给出
4、Many to Many
- 前向计算类似,不再给出
5、双向RNN(Bidirectional RNN)
- 比如翻译问题往往需要联系上下文内容才能正确的翻译,我们上面的结构线性传递允许“联系上文”,但是联系下文并没有,所以就有双向RNN
- 前向运算稍微复杂一点,以
t
时刻为例
ot=W(os)tst+W(oh)tht=W(os)t(W(ss)t−1st−1+W(sx)txt−1)+W(oh)t(W(hh)tht+1+W(hx)txt)ot=Wt(os)st+Wt(oh)ht=Wt(os)(Wt−1(ss)st−1+Wt(sx)xt−1)+Wt(oh)(Wt(hh)ht+1+Wt(hx)xt)
6、深层的RNN
- 上面的结构都是只含有一层的
state
层,根据传统NN和CNN,深层次的结构有更加号的效果,结构如图
三、Back Propagation Through Time(BPTT)训练
- 关于传统神经网络BP算法可以查看这里神经网络部分的推导
1、符号等说明
- 以下图为例
- 符号说明
- ϕϕ………………………………………………隐藏层的激励函数
- φφ………………………………………………输出层的变换函数
-
Lt=Lt(ot,yt)Lt=Lt(ot,yt)……………………………模型的损失函数
- 标签数据ytyt是一个
one-hot
向量
- 标签数据ytyt是一个
2、反向传播过程
- 接受完序列中所有样本后再统一计算损失,此时模型的总损失可以表示为(假设输入序列长度为
n
):L=∑t=1nLtL=∑t=1nLt - ot=φ(Vst)=φ(V(Uxt+Wst−1))ot=φ(Vst)=φ(V(Uxt+Wst−1))
- 其中s0=0=(0,0,…,0)Ts0=0=(0,0,…,0)T
- 令:o∗t=Vst,s∗t=Uxt+Wst−1…………(1)ot∗=Vst,st∗=Uxt+Wst−1…………(1) (就是没有经过激励函数和变换函数前)
- 则:ot=φ(o∗t)ot=φ(ot∗)
- st=ϕ(s∗t)st=ϕ(st∗)
(1) 矩阵V的更新
- 对矩阵 V 的更新过程,根据(1)式可得, (和传统的神经网络一致,根据求导的链式法则):
-
∂Lt∂o∗t=∂Lt∂ot∗∂ot∂o∗t=∂Lt∂ot∗φ′(o∗t)∂Lt∂ot∗=∂Lt∂ot∗∂ot∂ot∗=∂Lt∂ot∗φ′(ot∗)
-
∂Lt∂V=∂Lt∂Vst∗∂Vst∂V=∂Lt∂o∗t×sTt=(∂Lt∂ot∗φ′(o∗t))×sTt∂Lt∂V=∂Lt∂Vst∗∂Vst∂V=∂Lt∂ot∗×stT=(∂Lt∂ot∗φ′(ot∗))×stT
- 因为L=∑nt=1LtL=∑t=1nLt,所以对矩阵V的更新对应的导数:
∂L∂V=∑t=1n(∂Lt∂ot∗φ′(o∗t))×sTt∂L∂V=∑t=1n(∂Lt∂ot∗φ′(ot∗))×stT
-
(2) 矩阵U和W的更新
-
RNN
的BP
算法的主要难点在于它State
之间的通信 - 可以采用循环的方法来计算各个梯度,
t
应从n
开始降序循环至1
- 计算时间通道上的局部梯度(同样根据链式法则)
∂Lt∂s∗t=∂Lt∂Vst×∂sTtVTt∂st∗∂st∂s∗t=VT×(∂Lt∂ot∗φ‘(o∗t))∂Lt∂st∗=∂Lt∂Vst×∂stTVtT∂st∗∂st∂st∗=VT×(∂Lt∂ot∗φ‘(ot∗))
- 利用局部梯度计算
U
和W
的梯度- 这里累加是因为权值是共享的,所以往前推算一直用的是一样的权值
∂Lt∂U+=∑k=1t∂Lt∂s∗k×∂s∗k∂U=∑k=1t∂Lt∂s∗k×xTt∂Lt∂U+=∑k=1t∂Lt∂sk∗×∂sk∗∂U=∑k=1t∂Lt∂sk∗×xtT∂Lt∂W+=∑k=1t∂Lt∂s∗k×∂s∗k∂W=∑k=1t∂Lt∂s∗k×sTt−1………………..(3)∂Lt∂W+=∑k=1t∂Lt∂sk∗×∂sk∗∂W=∑k=1t∂Lt∂sk∗×st−1T………………..(3)
- 这里累加是因为权值是共享的,所以往前推算一直用的是一样的权值
3、训练问题
- 从 公式(2)和(3) 中可以看出,时间维度上的权重
W
更新需要计算ϕ‘(s∗k)ϕ‘(sk∗),即经过激励函数的导数 - 如果时间维度上很长,则这个梯度是累积的,所以造成梯度消失或爆炸
- 可以想象将结构图竖起来,就是一个深层的神经网络,所以容易出现梯度问题
- 关于梯度消失的问题可以查看我这里一遍博客
-
RNN
主要的作用就是能够记住之前的信息,但是梯度消失的问题又告诉我们不能记住太久之前的信息,改进的思路有两点- 一是使用一些
trick
,比如合适的激励函数,初始化,BN等等 - 二是改进
state
的传递方式,比如就是下面提及的LSTM
- 关于为何
LSTMs
能够解决梯度消失,直观上来说就是上方时间通道是简单的线性组合
- 关于为何
- 一是使用一些
四、Long Short-Term Memory(LSTM,长短时记忆网络)
1、介绍
-
LSTM
是一般RNN
的升级,因为一些序列问题,我们可能需要忘记一些东西,LSTM
和普通RNN
相比, 多出了三个控制器. (输入控制, 输出控制, 忘记控制) - 在
LSTM
里,这个叫做cell
(其实就是前面的state
,只是这里更加复杂了), 可以看作一个黑盒,这个cell
结合前面cell
的输出ht−1ht−1和当前的输入xtxt来决定是否记忆下来,该网络结构在对长序列依赖问题中非常有效
2、结构
- 一个经典的
cell
结构如下图-
ϕ1ϕ1是
sigmoid
函数,ϕ2ϕ2 是tanh
函数 -
*
表示element wise
乘法(就是点乘),使用X
表示矩阵乘法
-
ϕ1ϕ1是
-
LSTMs
的cell
的时间通道有两条。- 上方的时间通道(h(old)→h(new)h(old)→h(new))仅包含了两个代数运算,这意味着它信息传递的方式会更为直接
h(new)=h(old)∗r1+r2h(new)=h(old)∗r1+r2
- 位于下方的时间通道(s(old)→s(new)s(old)→s(new))则运用了大量的层结构,在
LSTMs
中,我们通常称这些层结构为门(Gates
)
- 上方的时间通道(h(old)→h(new)h(old)→h(new))仅包含了两个代数运算,这意味着它信息传递的方式会更为直接
3、运算说明
-
Sigmoid
函数取值区间为0-1
,那么当Sigmoid
对应的层结构输出0
时,就对应着遗忘这个过程;当输出1
时,自然就对应着接受这个过程。- 事实上这也是
Sigmoid
层叫门的原因——它能决定“放哪些数据进来”和决定“不让哪些数据通过”
- 事实上这也是
- 最左边的
Sigmoid gate
叫做遗忘门, 控制着时间通道信息的遗忘程度- 前向计算: r1=ϕ1(W1×x∗)r1=ϕ1(W1×x∗)
- 其中 x∗=Δ[x,s(old)]x∗=Δ[x,s(old)],表示当前输入样本和下方时间通道s(old)s(old)连接(
concat
)起来
- 其中 x∗=Δ[x,s(old)]x∗=Δ[x,s(old)],表示当前输入样本和下方时间通道s(old)s(old)连接(
- 前向计算: r1=ϕ1(W1×x∗)r1=ϕ1(W1×x∗)
- 第二个
Sigmoid Gate
通常被称为输入门(Input Gate), 控制着当前输入和下方通道信息对上方通道信息的影响- 前向运算为:g1=ϕ1(W2×x∗)g1=ϕ1(W2×x∗),
- 第三个
Tanh Gate
则允许网络结构驳回历史信息, 因为tanh
的值域是(-1,1)- 前向运算为:g2=ϕ2(W3×x∗)g2=ϕ2(W3×x∗)
- r2=g1∗g2r2=g1∗g2
- 第四个
Sigmoid Gate
通常被称为输出门(Output Gate),它为输出和传向下一个cell
的下方通道信息作出了贡献。- 对应的前向传导算法为:g3=ϕ1(W4×x∗)g3=ϕ1(W4×x∗)
- 最终
cell
的输出为:o=s(new)=ϕ2(h(new))∗g3o=s(new)=ϕ2(h(new))∗g3 - 每个
Gate
对应的权值矩阵是不同的(W1∼W4W1∼W4),切勿以为它们会共享权值
Reference
- http://www.wildml.com/2015/09/recurrent-neural-networks-tutorial-part-1-introduction-to-rnns/
- http://www.wildml.com/2015/09/recurrent-neural-networks-tutorial-part-2-implementing-a-language-model-rnn-with-python-numpy-and-theano/
- https://zhuanlan.zhihu.com/p/26891871
- https://zhuanlan.zhihu.com/p/26892413
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:RNN-循环神经网络和LSTM_01基础 - Python技术站