一幅图真正理解LSTM、BiLSTM

原因：在反向传播过程中，RNN中存在梯度消失问题（因为RNN在时序上共享参数，梯度在反向传播过程中，不断连乘，数值不是越来越大就是越来越小）。梯度是用于更新神经网络权重的值，梯度消失问题是指随着时间推移，梯度在传播时会下降，如果梯度值变得非常小，则不会继续学习。因此，在RNN中，梯度小幅更新的网络层会停止学习，这些通常是较早的层。由于这些层不学习，RNN无法记住它在较长序列中学习到的内容，因此它的记忆是短期的。

LSTM内部结构相对RNN做了改进，BiLSTM中Bi指的是Bi-directional（双向的）的缩写，是由前向LSTM与后向LSTM组合而成，LSTM和BiLSTM如下图所示：

LSTM优点：

从RNN或LSTM结构可以看出，它们的输入输出其实很灵活，不同应用场景可以选择不同输入输出方式，例如下：

单输入-多输出：（仅在第一个时间步输入）

单输入-多输出：（在多个时间步输入）

多输入-多输出：

多输入-单输出：

2 图解 LSTM 内部结构和数据流

用一个文本情感分析的例子来说明：

如下图，单层的BiLSTM其实就是2个LSTM，一个正向去处理序列，一个反向去处理序列，处理完后，两个LSTM的输出会拼接起来。
特别注意：在这个案例中，所有时间步计算完后，才算是下面这个BiLSTM的结果，如下图，正向LSTM经过6个时间步得到一个结果向量，反向LSTM同样经过6个时间步后，得到另一个结果，然后这两个结果向量拼接起来，作为BiLSTM的最终输出。
- 疑问：是不是NLP里面大多时候只需要最后一个时刻的输出即可？
- 答案：这属于N VS 1结构，即N次输入，1次输出。这种结构通常用来处理序列分类问题。如输入一段文字判别它所属的类别，输入一个句子判断其情感倾向，输入一段视频并判断它的类别等等。

用OCR识别算法CRNN来说明，以下是CRNN算法的数据处理流程图：

更详细的说，在CRNN算法中，输入BiLSTM的特征序列，它的维度是(26, 512)，长下图这样：

因为CRNN算法中，图像输入是固定为32（高） x 100（宽）的长条图，经过特征提取器后，高会下采样32倍，宽度方向下采样4倍（由于补边操作，导致w最终=(100/4+1)=26），所以，相当于32 x 100的图像信息，被裁剪成26份，每一份的信息用512个值表示，如下：

重要解释归纳如下：

关于时间步：26个切片，也即26个序列，也就是26个时间步，即双层的BiLSTM（也就是4个LSTM，每层一个前向LSTM和一个反向LSTM）会自循环计算26次，从物理意义上说，相当于LSTM按顺序（从左往右同时从右往左）遍历计算了上图26个切片信息。
关于输入列向量Xt：每个序列由512个元素的向量组成，每个时间步，BiLSTM就是去取这512个元素的向量值丢到LSTM单元中去计算。形象的说，就是3.1节中，input_size也即Xt，变为512维向量。
关于输出的拼接：BiLSTM每个时间步其实是由2个相反方向的LSTM在计算结果，它们2个的结果会拼接起来，所以，BiLSTM的输出维度是2 x hidden_size
关于全连接层：CRNN算法中，在上下两层BiLSTM中间，穿插了一个全连接层，来过度上下两层BiLSTM的输入输出关系。至于为什么要加全连接层，我目前也不是特别清楚，估计是把向量长度拉回原来长度。理论上，不加全连接层，两层BiLSTM也完全是可以轻松的衔接起来的。

CRNN算法中，双层BiLSTM代码实现如下：