参考Coursera-Sequence Models
https://www.coursera.org/learn/nlp-sequence-models/notebook/X20PE/building-a-recurrent-neural-network-step-by-step
1. 普通神经网络的缺点
- 对于不同的样本,输入输出的长度可能不同
- 无法共享序列中不同位置的信息
2. RNN的基本结构与数学表达
输入层的维数是(nx,m,Tx),其中nx是每个训练样本的维数,例如输入词one-hot向量的大小,也即词典大小;m是一个batch的大小;Tx是输入序列的长度。
输出层的维数是(ny,m,Ty),其中ny是输出预测向量的维数;m是一个batch的大小;Ty是输出序列的长度。
我们先研究输入向量和输出向量相等,即nx=ny的情况。
图2.1 RNN基本结构-输入输出维数相等
上下标说明:a5(2)[3]<4>表示第2个训练样本,第3层,第4个时刻,激活函数输出向量的第5维。
图2.2 RNN的一个基本单元
注意,输出y^是状态向量a经过线性变换再经过softmax变换得到的。
a⟨t⟩y^⟨t⟩=tanh(Waxx⟨t⟩+Waaa⟨t−1⟩+ba)=softmax(Wyaa⟨t⟩+by)(2-1)
3. GRU(Gated Recurrent Unit)
GRU的提出是为了解决RNN难以学习到输入序列中的长距离信息的问题。
GRU引入一个新的变量——记忆单元,简称C。C⟨t⟩其实就是a⟨t⟩
C的表达式不是一步到位的,首先定义C的候选值C~:
C~⟨t⟩=tanh(Wc[C⟨t−1⟩,x⟨t⟩]+bc)
更新门:
Γu=σ(Wu[C⟨t−1⟩,x⟨t⟩]+bu)
在实际训练好的网络中Γ要么很接近1要么很接近0,对应着输入序列里面有些元素起作用有些元素不起作用。
C⟨t⟩=Γu∗C~⟨t⟩+(1−Γu)∗C⟨t−1⟩
也即输入序列的有些元素,记忆单元不需要更新,有些元素需要更新。
The cat, which already ate …, was full
cat后面的词直到was之前,都不需要更新C,直接等于cat对应的C
可以解决梯度消失的问题.输出层的梯度可以传播到cat处
注:C和Γ都可以是想聊,它们在相乘时采用的是element-wise的乘法。当为向量时,与cat的单复数无关的词对应的Γ可能有些维度为零,有些维度不为零。为零的维度,是用来保留cat的单复数信息的;不为零的维度可能是保留其他语义信息的,比如是不是food呀之类的
目前讨论的是简化版的GRU,结构图如下
完整的GRU:
C~⟨t⟩ΓuΓrC⟨t⟩a⟨t⟩=tanh(Wc[Γr∗C⟨t−1⟩,x⟨t⟩]+bc)=σ(Wu[C⟨t−1⟩,x⟨t⟩]+bu)=σ(Wr[C⟨t−1⟩,x⟨t⟩]+br)=Γu∗C~⟨t⟩+(1−Γu)∗C⟨t−1⟩=C⟨t⟩(3-1)
Γr表示了C~⟨t⟩和C⟨t−1⟩之间的相关程度
4 LSTM(Long Short-Term Memory)
没有了Γr,将1−Γu用Γf代替
C~⟨t⟩ΓuΓfΓoC⟨t⟩a⟨t⟩y~⟨t⟩=tanh(Wc[a⟨t−1⟩,x⟨t⟩]+bc)=σ(Wu[a⟨t−1⟩,x⟨t⟩]+bu)=σ(Wf[a⟨t−1⟩,x⟨t⟩]+bf)=σ(Wo[a⟨t−1⟩,x⟨t⟩]+bo)=Γu∗C~⟨t⟩+Γf∗C⟨t−1⟩=Γo∗tanh(C⟨t⟩)=softmax(a⟨t⟩)(4-1)
(注意公式里面的Γu等价于图片中的Γi)
图4.1 LSTM的一个基本单元
图4.2 标准LSTM模型-输入维数等于输出维数]
4.1. peephole连接
图4.3 LSTM变种-peephole
5. RNN的反向传播
dL/di=dL/da⋅da/dz⋅dz/di
5. RNN实战技巧
5.1. 对梯度的范围进行限制
在反向传播的过程中,为了避免梯度爆炸,可以对梯度的值进行限制,具体来说,可以给定一个区间[-a,a],小于-a的值强行定为-a,大于a的值强行定为a
5.2. 对输出值进行采样