文章目录

1. 为什么需要RNN？

一般处理单个的输入，前一个输入和后一个输入完全无关，但实际应用中，某些任务需要能够更好的处理序列的信息，即前面的输入和后面的输入是有关系的。比如：时间序列问题

​

2. 简要介绍RNN的基本结构

单层网络结构

​ 在进一步了解RNN之前，先给出最基本的单层网络结构，输入是xx，经过变换Wx+bWx+b和**函数ff得到输出yy：

【机器学习面试题】——循环神经网络(RNN)

经典RNN结构

​ RNN在单层网络结构的基础上引入了隐藏层hh，hh可对序列数据提取特征，接着再转换为输出。

【机器学习面试题】——循环神经网络(RNN)

注：图中的圆圈表示向量，箭头表示对向量做变换。

RNN中，每个步骤权值共享，使用的参数U,W,bU,W,b​相同，h2h_2的计算方式和h1h_1类似，其计算结果如下：

【机器学习面试题】——循环神经网络(RNN)

接下来，计算RNN的输出y1y_1，采用SoftmaxSoftmax作为**函数，根据yn=f(Wx+b)y_n=f(Wx+b)，得y1y_1:

【机器学习面试题】——循环神经网络(RNN)

使用和y1y_1相同的参数V,cV,c，得到y1,y2,y3,y4y_1,y_2,y_3,y_4的输出结构：

【机器学习面试题】——循环神经网络(RNN)

RNN的拓展结构

网络结构 结构图示 应用场景举例
1 vs N 【机器学习面试题】——循环神经网络(RNN) 1、从图像生成文字，输入为图像的特征，输出为一段句子
2、根据图像生成语音或音乐，输入为图像特征，输出为一段语音或音乐
N vs 1 【机器学习面试题】——循环神经网络(RNN) 1、输出一段文字，判断其所属类别
2、输入一个句子，判断其情感倾向
3、输入一段视频，判断其所属类别
N vs M 【机器学习面试题】——循环神经网络(RNN) 1、机器翻译，输入一种语言文本序列，输出另外一种语言的文本序列
2、文本摘要，输入文本序列，输出这段文本序列摘要
3、阅读理解，输入文章，输出问题答案
4、语音识别，输入语音序列信息，输出文字序列

3. CNN和RNN的区别 ？

类别 特点描述
相同点 1、传统神经网络的扩展。
2、前向计算产生结果，反向计算模型更新。
3、每层神经网络横向可以多个神经元共存,纵向可以有多层神经网络连接。
不同点 1、CNN空间扩展，神经元与特征卷积；RNN时间扩展，神经元与多个时间输出计算
2、RNN可以用于描述时间上连续状态的输出，有记忆功能，CNN用于静态输出

4. RNNs和FNNs(前馈神经网络)有什么区别？

  • RNNs引入了定向循环，能够处理输入之间前后关联问题。
  • RNNs可以记忆之前步骤的训练信息。

5. RNNs训练和传统ANN训练异同点？

相同点：

  • RNNs与传统ANN都使用BP误差反向传播算法。

不同点：

  • RNNs网络参数W,U,V是共享的，而传统神经网络各层参数间没有直接联系。
  • 对于RNNs，在使用梯度下降算法中，每一步的输出不仅依赖当前步的网络，还依赖于之前若干步的网络状态。

6. 为什么RNN 训练的时候Loss波动很大

​ 由于RNN特有的memory会影响后期其他的RNN的特点，梯度时大时小，learning rate没法个性化的调整，导致RNN在train的过程中，Loss会震荡起伏。为了解决RNN的这个问题，在训练的时候，可以设置临界值，当梯度大于某个临界值，直接截断，用这个临界值作为梯度的大小，防止大幅震荡。

7. 描述RNN的前向输出流程

​ 以xx表示输入，hh是隐层单元，oo是输出，LL为损失函数，yy为训练集标签。tt表示tt时刻的状态，V,U,WV,U,W是权值，同一类型的连接权值相同。以下图为例进行说明标准RNN的前向传播算法：

【机器学习面试题】——循环神经网络(RNN)

对于tt时刻：
h(t)=ϕ(Ux(t)+Wh(t−1)+b)h^{(t)}=phi(Ux^{(t)}+Wh^{(t-1)}+b)
其中ϕ()phi()为**函数，一般会选择tanh函数，bb为偏置。

tt时刻的输出为：
o(t)=Vh(t)+co^{(t)}=Vh^{(t)}+c
模型的预测输出为：
y^(t)=σ(o(t))widehat{y}^{(t)}=sigma(o^{(t)})
其中σsigma为**函数，通常RNN用于分类，故这里一般用softmax函数。

8. RNN中为什么会出现梯度消失,如何解决？

原因

  • RNN在算是会有**函数导数的累乘，如果取tanh或sigmoid函数作为**函数的话，那么必然是一堆小数在做乘法，结果就是越乘越小。随着时间序列的不断深入，小数的累乘就会导致梯度越来越小直到接近于0，这就是“梯度消失“现象。

如何解决

  • 选取更好的**函数，如Relu**函数。ReLU函数的左侧导数为0，右侧导数恒为1，这就避免了“梯度消失“的发生。但恒为1的导数容易导致“梯度爆炸“，但设定合适的阈值可以解决这个问题。
  • 加入BN层，其优点包括可加速收敛、控制过拟合，可以少用或不用Dropout和正则、降低网络对初始化权重不敏感，且能允许使用较大的学习率等。
  • 改变传播结构，LSTM结构可以有效解决这个问题。下面将介绍LSTM相关内容。

9. LSTM核心思想图解

LSTM 拥有三个门，分别是遗忘门，输入门和输出门，来保护和控制细胞状态。

忘记门

  • 作用对象：细胞状态 。

  • 作用：将细胞状态中的信息选择性的遗忘。

  • 操作步骤：该门会读取ht−1h_{t-1}和xtx_t，输出一个在 0 到 1 之间的数值给每个在细胞状态Ct−1C_{t-1}中的数字。1 表示“完全保留”，0 表示“完全舍弃”。

【机器学习面试题】——循环神经网络(RNN)

输入门

  • 作用对象：细胞状态

  • 作用：将新的信息选择性的记录到细胞状态中。

  • 操作步骤：

    • sigmoid 层称 “输入门” 决定什么值我们将要更新。

    • tanh 层创建一个新的候选值向量C~ttilde{C}_t加入到状态中。

【机器学习面试题】——循环神经网络(RNN)

  • 将Ct−1C_{t-1}更新为CtC_{t}。将旧状态与ftf_t相乘，丢弃掉我们确定需要丢弃的信息。接着加上it∗C~ti_t * tilde{C}_t得到新的候选值，根据我们决定更新每个状态的程度进行变化。

【机器学习面试题】——循环神经网络(RNN)

输出层门

  • 作用对象：隐层hth_t

  • 作用：确定输出什么值

  • 操作步骤：

    • 通过sigmoid 层来确定细胞状态的哪个部分将输出。

    • 把细胞状态通过 tanh 进行处理，并将它和 sigmoid 门的输出相乘，最终我们仅仅会输出我们确定输出的那部分。

【机器学习面试题】——循环神经网络(RNN)

10. LSTMs与GRUs有什么区别？

LSTMs与GRUs的区别如图所示：

【机器学习面试题】——循环神经网络(RNN)

从上图可以看出，二者结构十分相似，不同在于：

  • new memory都是根据之前state及input进行计算，但是GRUs中有一个reset gate控制之前state的进入量，而在LSTMs里没有类似gate；

  • 产生新的state的方式不同，LSTMs有两个不同的gate，分别是forget gate (f gate)和input gate(i gate)，而GRUs只有一种update gate(z gate)；

  • LSTMs对新产生的state可以通过output gate(o gate)进行调节，而GRUs对输出无任何调节。

11. BPTT算法推导

​ BPTT（back-propagation through time）算法是常用的训练RNN的方法，其本质还是BP算法，只不过RNN处理时间序列数据，所以要基于时间反向传播，故叫随时间反向传播。BPTT的中心思想和BP算法相同，沿着需要优化的参数的负梯度方向不断寻找更优的点直至收敛。需要寻优的参数有三个，分别是U、V、WU、V、W。与BP算法不同的是，其中WW和UU两个参数的寻优过程需要追溯之前的历史数据，参数VV相对简单只需关注目前，先求解参数V的偏导数。
∂L(t)∂V=∂L(t)∂o(t)⋅∂o(t)∂Vfrac{partial L^{(t)}}{partial V}=frac{partial L^{(t)}}{partial o^{(t)}}cdot frac{partial o^{(t)}}{partial V}
RNN的损失也是会随着时间累加的，所以不能只求t时刻的偏导。
L=∑t=1nL(t)L=sum_{t=1}^{n}L^{(t)}

∂L∂V=∑t=1n∂L(t)∂o(t)⋅∂o(t)∂Vfrac{partial L}{partial V}=sum_{t=1}^{n}frac{partial L^{(t)}}{partial o^{(t)}}cdot frac{partial o^{(t)}}{partial V}

​ WW和UU的偏导的求解由于需要涉及到历史数据，其偏导求起来相对复杂。为了简化推导过程，假设只有三个时刻，那么在第三个时刻 LL对WW，LL对UU的偏导数分别为：
∂L(3)∂W=∂L(3)∂o(3)∂o(3)∂h(3)∂h(3)∂W+∂L(3)∂o(3)∂o(3)∂h(3)∂h(3)∂h(2)∂h(2)∂W+∂L(3)∂o(3)∂o(3)∂h(3)∂h(3)∂h(2)∂h(2)∂h(1)∂h(1)∂Wfrac{partial L^{(3)}}{partial W}=frac{partial L^{(3)}}{partial o^{(3)}}frac{partial o^{(3)}}{partial h^{(3)}}frac{partial h^{(3)}}{partial W}+frac{partial L^{(3)}}{partial o^{(3)}}frac{partial o^{(3)}}{partial h^{(3)}}frac{partial h^{(3)}}{partial h^{(2)}}frac{partial h^{(2)}}{partial W}+frac{partial L^{(3)}}{partial o^{(3)}}frac{partial o^{(3)}}{partial h^{(3)}}frac{partial h^{(3)}}{partial h^{(2)}}frac{partial h^{(2)}}{partial h^{(1)}}frac{partial h^{(1)}}{partial W}

∂L(3)∂U=∂L(3)∂o(3)∂o(3)∂h(3)∂h(3)∂U+∂L(3)∂o(3)∂o(3)∂h(3)∂h(3)∂h(2)∂h(2)∂U+∂L(3)∂o(3)∂o(3)∂h(3)∂h(3)∂h(2)∂h(2)∂h(1)∂h(1)∂Ufrac{partial L^{(3)}}{partial U}=frac{partial L^{(3)}}{partial o^{(3)}}frac{partial o^{(3)}}{partial h^{(3)}}frac{partial h^{(3)}}{partial U}+frac{partial L^{(3)}}{partial o^{(3)}}frac{partial o^{(3)}}{partial h^{(3)}}frac{partial h^{(3)}}{partial h^{(2)}}frac{partial h^{(2)}}{partial U}+frac{partial L^{(3)}}{partial o^{(3)}}frac{partial o^{(3)}}{partial h^{(3)}}frac{partial h^{(3)}}{partial h^{(2)}}frac{partial h^{(2)}}{partial h^{(1)}}frac{partial h^{(1)}}{partial U}

可以观察到，在某个时刻的对WW或是UU的偏导数，需要追溯这个时刻之前所有时刻的信息。根据上面两个式子得出L在tt时刻对WW和UU偏导数的通式：
∂L(t)∂W=∑k=0t∂L(t)∂o(t)∂o(t)∂h(t)(∏j=k+1t∂h(j)∂h(j−1))∂h(k)∂Wfrac{partial L^{(t)}}{partial W}=sum_{k=0}^{t}frac{partial L^{(t)}}{partial o^{(t)}}frac{partial o^{(t)}}{partial h^{(t)}}(prod_{j=k+1}^{t}frac{partial h^{(j)}}{partial h^{(j-1)}})frac{partial h^{(k)}}{partial W}

∂L(t)∂U=∑k=0t∂L(t)∂o(t)∂o(t)∂h(t)(∏j=k+1t∂h(j)∂h(j−1))∂h(k)∂Ufrac{partial L^{(t)}}{partial U}=sum_{k=0}^{t}frac{partial L^{(t)}}{partial o^{(t)}}frac{partial o^{(t)}}{partial h^{(t)}}(prod_{j=k+1}^{t}frac{partial h^{(j)}}{partial h^{(j-1)}})frac{partial h^{(k)}}{partial U}

整体的偏导公式就是将其按时刻再一一加起来。

往期内容

参考文献

  • https://github.com/scutan90/DeepLearning-500-questions
  • https://github.com/NLP-LOVE/ML-NLP
  • https://github.com/songyingxin/NLPer-Interview
  • https://blog.csdn.net/vivian_ll/article/details/88780661

个人总结 ，如有错误，请批评指正！
【机器学习面试题】——循环神经网络(RNN)