一.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

 1LSTM的内部结构图 

1.1 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:

1.2 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.

1.3 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>)

  1.4 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.

 二. 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

 1GRU的内部结构图

 1.1 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).

1.2 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.

1.3 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>)

  1.4 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.