超生動圖解LSTM和GPU，讀懂循環(huán)神經網(wǎng)絡！

AI識別你的語音、回答你的問題、幫你翻譯外語，都離不開一種特殊的循環(huán)神經網(wǎng)絡（RNN）：長短期記憶網(wǎng)絡（Long short-term memory，LSTM）。 最近，國外有一份關于LSTM及其變種GRU（Gated Recurrent Unit）的圖解教程非?；?。教程先介紹了這兩種網(wǎng)絡的基礎知識，然后解釋了讓LSTM和GRU具有良好性能的內在機制。當然，通過這篇文章，還可以了解這兩種網(wǎng)絡的一些背景。 圖解教程的作者Michael Nguyen是一名AI語音助理方面的機器學習工程師。

短期記憶問題

RNN受限于短期記憶問題。如果一個序列足夠長，那它們很難把信息從較早的時間步傳輸?shù)胶竺娴臅r間步。因此，如果你嘗試處理一段文本來進行預測，RNN可能在開始時就會遺漏重要信息。 在反向傳播過程中，RNN中存在梯度消失問題。梯度是用于更新神經網(wǎng)絡權重的值，梯度消失問題是指隨著時間推移，梯度在傳播時會下降，如果梯度值變得非常小，則不會繼續(xù)學習。

△梯度更新規(guī)則

因此，在RNN中，梯度小幅更新的網(wǎng)絡層會停止學習，這些通常是較早的層。由于這些層不學習，RNN無法記住它在較長序列中學習到的內容，因此它的記憶是短期的。關于RNN的更多介紹，可訪問：
https://towardsdatascience.com/illustrated-guide-to-recurrent-neural-networks-79e5eb8049c9

解決方案：LSTM和GRU

LSTM和GRU是克服短期記憶問題提出的解決方案，它們引入稱作“門”的內部機制，可以調節(jié)信息流。

這些門結構可以學習序列中哪些數(shù)據(jù)是要保留的重要信息，哪些是要刪除的。通過這樣做，它可以沿著長鏈序列傳遞相關信息來執(zhí)行預測。幾乎所有基于RNN的先進結果都是通過這兩個網(wǎng)絡實現(xiàn)的。LSTM和GRU經常用在語音識別、語音合成和文本生成等領域，還可用來為視頻生成字幕。 當你看完這篇文章時，我相信你會對LSTM和GRU在處理長序列的突出能力有充分了解。下面我將通過直觀解釋和插圖來進行介紹，并盡可能繞開數(shù)學運算。

直觀認識

我們從一個思考實驗開始。當你在網(wǎng)絡上購買生活用品時，一般會先閱讀商品評論來判斷商品好壞，以確定是否要購買這個商品。

當你查看評論時，你的大腦下意識地只會記住重要的關鍵詞。你會選擇“amazing”和“perfectly balanced breakfast”這樣的詞匯，而不太關心“this”，“give”，“all”，“should”等字樣。如果有人第二天問你評論內容，你可能不會一字不漏地記住它，而是記住了主要觀點，比如“下次一定還來買”，一些次要內容自然會從記憶中逐漸消失。

在這種情況下，你記住的這些詞能判定了這個餐廳的好壞。這基本上就是LSTM或GRU的作用，它可以學習只保留相關信息來進行預測，并忘記不相關的數(shù)據(jù)。

RNN回顧

為了理解LSTM或GRU如何實現(xiàn)這一點，接下來回顧下RNN。RNN的工作原理如下：首先單詞被轉換成機器可讀的向量，然后RNN逐個處理向量序列。

△逐個處理向量序列

在處理時，它把先前的隱藏狀態(tài)傳遞給序列的下一步，其中隱藏狀態(tài)作為神經網(wǎng)絡記憶，它包含相關網(wǎng)絡已處理數(shù)據(jù)的信息。

△把隱藏狀態(tài)傳遞給下個時間步

下面來介紹RNN中每個cell單元是如何計算隱藏狀態(tài)的。首先，將輸入和先前隱藏狀態(tài)組合成一個向量，向量中含有當前輸入和先前輸入的信息。這個向量再經過激活函數(shù)Tanh后，輸出新的隱藏狀態(tài)，或網(wǎng)絡記憶。

△RNN單元

激活函數(shù)Tanh

激活函數(shù)Tanh用于幫助調節(jié)流經網(wǎng)絡的值，且Tanh函數(shù)的輸出值始終在區(qū)間(-1, 1)內。

當向量流經神經網(wǎng)絡時，由于存在各種數(shù)學運算，它經歷了許多變換。因此，想象下讓一個值不斷乘以3，它會逐漸變大并變成天文數(shù)字，這會讓其他值看起來微不足道。

△無Tanh函數(shù)的向量變換

Tanh函數(shù)能讓輸出位于區(qū)間(-1, 1)內，從而調節(jié)神經網(wǎng)絡輸出。你可以看到這些值是如何保持在Tanh函數(shù)的允許范圍內。

△有Tanh函數(shù)的向量變換

這就是RNN，它的內部操作很少，但在適當情況下（如短序列分析）效果很好。RNN使用的計算資源比它的演化變體LSTM和GRU少得多。

LSTM

LSTM的控制流程與RNN類似，它們都是在前向傳播過程中處理傳遞信息的數(shù)據(jù)，區(qū)別在于LSTM單元的結構和運算有所變化。

△LSTM單元及其運算

這些運算能讓LSTM具備選擇性保留或遺忘某些信息的能力，下面我們將逐步介紹這些看起來有點復雜的運算。

核心概念

LSTM的核心概念為其單元狀態(tài)和各種門結構。單元狀態(tài)相當于能傳輸相關信息的通路，讓信息在序列鏈中傳遞下去，這部分可看作是網(wǎng)絡的“記憶”。理論上，在序列處理過程中，單元狀態(tài)能一直攜帶著相關信息。因此，在較早時間步中獲得的信息也能傳輸?shù)捷^后時間步的單元中，這樣能減弱短期記憶的影響。 在網(wǎng)絡訓練過程中，可通過門結構來添加或移除信息，不同神經網(wǎng)絡都可通過單元狀態(tài)上的門結構來決定去記住或遺忘哪些相關信息。

Sigmoid

門結構中包含Sigmoid函數(shù)，這個激活函數(shù)與Tanh函數(shù)類似。但它的輸出區(qū)間不是(-1, 1)，而是(0, 1)，這有助于更新或忘記數(shù)據(jù)，因為任何數(shù)字乘以0都為0，這部分信息會被遺忘。同樣，任何數(shù)字乘以1都為相同值，這部分信息會完全保留。通過這樣，網(wǎng)絡能了解哪些數(shù)據(jù)不重要需要遺忘，哪些數(shù)字很重要需要保留。

△Sigmoid輸出區(qū)間為(0, 1)

下面會深入介紹下不同門結構的功能。LSTM單元中有三種調節(jié)信息流的門結構：遺忘門、輸入門和輸出門。

遺忘門

遺忘門能決定應丟棄或保留哪些信息。來自先前隱藏狀態(tài)的信息和當前輸入的信息同時輸入到Sigmoid函數(shù)，輸出值處于0和1之間，越接近0意味著越應該忘記，越接近1意味著越應該保留。

△遺忘門操作

輸入門

輸入門用來更新單元狀態(tài)。先將先前隱藏狀態(tài)的信息和當前輸入的信息輸入到Sigmoid函數(shù)，在0和1之間調整輸出值來決定更新哪些信息，0表示不重要，1表示重要。你也可將隱藏狀態(tài)和當前輸入傳輸給Tanh函數(shù)，并在-1和1之間壓縮數(shù)值以調節(jié)網(wǎng)絡，然后把Tanh輸出和Sigmoid輸出相乘，Sigmoid輸出將決定在Tanh輸出中哪些信息是重要的且需要進行保留。

△輸入門操作

單元狀態(tài)

這里已經具備足夠信息來計算單元狀態(tài)。首先把先前的單元狀態(tài)和遺忘向量逐點相乘，如果它乘以接近0的值，則意味在新的單元狀態(tài)中可能要丟棄這些值；然后把它和輸入門的輸出值逐點相加，把神經網(wǎng)絡發(fā)現(xiàn)的新信息更新到單元狀態(tài)中，這樣就得到了新的單元狀態(tài)。

△計算單元狀態(tài)

輸出門

輸出門能決定下個隱藏狀態(tài)的值，隱藏狀態(tài)中包含了先前輸入的相關信息。當然，隱藏狀態(tài)也可用于預測。首先把先前的隱藏狀態(tài)和當前輸入傳遞給Sigmoid函數(shù)；接著把新得到的單元狀態(tài)傳遞給Tanh函數(shù)；然后把Tanh輸出和Sigmoid輸出相乘，以確定隱藏狀態(tài)應攜帶的信息；最后把隱藏狀態(tài)作為當前單元輸出，把新的單元狀態(tài)和新的隱藏狀態(tài)傳輸給下個時間步。

△輸出門操作

這里總結下，遺忘門能決定需要保留先前步長中哪些相關信息，輸入門決定在當前輸入中哪些重要信息需要被添加，輸出門決定了下一個隱藏狀態(tài)。

代碼示例

這里還提供了一個用Python寫的示例代碼，來讓大家能更好地理解這個結構。

首先，我們連接了先前的隱藏狀態(tài)和當前輸入，這里定義為變量combine；

把combine變量傳遞到遺忘層中，以刪除不相關數(shù)據(jù)；

再用combine變量創(chuàng)建一個候選層，用來保留可能要添加到單元狀態(tài)中的值；

變量combine也要傳遞給輸出層，來決定應把候選層中的哪些數(shù)據(jù)添加到新的單元狀態(tài)中；

新的單元狀態(tài)可根據(jù)遺忘層、候選層和輸入層和先前的單元狀態(tài)來計算得到；

再計算當前單元輸出；

最后把輸出和新的單元狀態(tài)逐點相乘可得到新的隱藏狀態(tài)。

從上面看出，LSTM網(wǎng)絡的控制流程實際上只是幾個張量操作和一個for循環(huán)。你還可以用隱藏狀態(tài)進行預測。結合這些機制，LSTM能在序列處理過程中有選擇性地保留或遺忘某些信息。

GRU

介紹完LSTM的工作原理后，下面來看下門控循環(huán)單元GRU。GRU是RNN的另一類演化變種，與LSTM非常相似。GRU結構中去除了單元狀態(tài)，而使用隱藏狀態(tài)來傳輸信息。它只有兩個門結構，分別是更新門和重置門。

△GRU單元結構

更新門

更新門的作用類似于LSTM中的遺忘門和輸入門，它能決定要丟棄哪些信息和要添加哪些新信息。

重置門

重置門用于決定丟棄先前信息的程度。 這兩部分組成了GRU，它的張量操作較少，因此訓練它比LSTM更快一點。在選擇網(wǎng)絡時很難判斷哪個更好，研究人員通常會兩個都試下，通過性能比較來選出更適合當前任務的結構。

總結

總而言之，RNN適用于處理序列數(shù)據(jù)和預測任務，但會受到短期記憶的影響。LSTM和GRU是兩種通過引入門結構來減弱短期記憶影響的演化變體，其中門結構可用來調節(jié)流經序列鏈的信息流。目前，LSTM和GRU經常被用于語音識別、語音合成和自然語言理解等多個深度學習應用中。 如果你對這方面很感興趣，作者還列出一些干貨鏈接，可以從更多角度來理解LSTM和GRU結構。
責任編輯：lq