LSTM 模型

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

LSTM 的结构如下图所示：

img

img

遗忘门

首先来看遗忘门，遗忘门由下面的部分组成：

img

$\sigma$ 为激活函数。

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。

img

激活函数 sigmiod 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

输入门的结构：

img

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。

img

细胞状态

下图是细胞状态的更新图：

img

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。

细胞状态更新图演示：

img

输出门

输出门结构与公式：

img

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)，它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：

img

BiLSTM

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。

avatar

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。

LSTM API

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>)

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。

GRU 模型

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

GRU 模型的结构如下：

img

img

GRU 的更新门和重置门结构：

img

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 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。

GRU API

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>)

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，同时其作为 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。

版权所有

许可证：署名 4.0 国际 (CC-BY-4.0)

上一页文本预处理

下一页神经网络基础