1. RNN架构解析

1.1 认识RNN模型

学习目标

• 了解什么是RNN模型.
• 了解RNN模型的作用.
• 了解RNN模型的分类.

什么是RNN模型

• RNN(Recurrent Neural Network), 中文称循环神经网络， 它一般以序列数据为输入, 通过网络内部的结构设计，有效地捕捉序列之间的关系特征， 一般以序列的形式输出.

• 一般单层神经网络结构：

• RNN单层网络结构：

• 以时间步对RNN展开后的单层网络结构：

• RNN循环机制使模型隐层一时产生的结果， 它可以作为当前时间步输入的一部分正常输入外，当前时间步输入还包括上一步的隐藏输出），影响当前时间步输出.

RNN模型的作用

• 因为RNN结构可以很好地利用序列之间的关系， 因此，对自然界具有连续性的输入序列， 如人类语言， 语音等处理得很好， 广泛应用于NLP领域的各项任务, 如文本分类， 情感分析, 意图识别, 机器翻译等.

• 以用户意图识别为例进行简单分析：

• 第一步: 用户输入了"What time is it ?", 我们首先需要对它进行基本的分词， 因为RNN按顺序工作， 每次只收到一个单词处理.

• 第二步: 首先将单词"What"输送给RNN, 它产生输出O1.

• 第三步: 继续将单词"time"输送给RNN, 但此时RNN不仅仅利用"time"来产生输出O2, 它还将用于上一层的隐层输出O1作为输入信息.

• 第四步: 重复此步骤， 直到所有单词都处理完毕。.

• 第五步: 最后，输出最终隐层O5.处理分析用户意图.

RNN模型的分类

• 这里我们将从两个角度对RNN模型分类. 第一个角度是输入和输出的结构， 第二个角度是RNN的内部构造.

• 按输入输出结构进行分类：

  • N vs N - RNN
  • N vs 1 - RNN
  • 1 vs N - RNN
  • N vs M - RNN

• 按照RNN内部结构分类：

  • 传统RNN
  • LSTM
  • Bi-LSTM
  • GRU
  • Bi-GRU

• N vs N - RNN:
  • 它是RNN最基本的结构形式， 最大的特点是: 输入输出序列等长. 由于存在这种限制， 使其适用范围较小， 合辙诗句可用于生成等长度.

• N vs 1 - RNN:
  • 有时我们需要处理的问题输入是一个序列，要求输出是一个单独的值，而不是一个序列。我们应该如何建模它？我们只需要在最后一个隐藏的输出h上进行线性大多数情况下，为了更好地澄清结果， 还要使用sigmoid或者softmax进行处理. 这种结构经常用于文本分类.

• 1 vs N - RNN:
  • 如果输入不是序列，输出是序列怎么处理？我们最常用的方法之一是使输入作用于每个输出. 该结构可用于将图片生成文本任务等.

• N vs M - RNN:
  • 这是一种无限输入输出长度RNN结构, 它由编码器和解码器组成， 两者的内部结构都是某一类的RNN, 它也被称为seq2seq架构. 首先通过编码器输入数据， 最终输出隐含变量c, 之后最常用的方法是在解码器解码的每一步都使用这个隐含变量c， 确保输入信息的有效利用.

• seq2seq机器翻译最早提出架构， 由于其输入输出不受限制，现在也是应用最广泛的RNN模型结构. 机器翻译， 阅读理解, 文本摘要等许多领域都有很多应用实践.

• 关于RNN对内部结构进行分类的内容结构的分类内容.

小节总结

• 我学到了什么RNN模型:

  • RNN(Recurrent Neural Network), 中文称循环神经网络， 它通常以序列数据为输入， 通过网络内部的结构设计，有效地捕捉序列之间的关系特征， 一般以序列的形式输出.

  ---

• RNN循环机制使模型隐层一时产生的结果， 它可以作为当前时间步输入的一部分正常输入外，当前时间步输入还包括上一步的隐藏输出），影响当前时间步输出.

  ---

• 学习了RNN模型的作用：

  • 因为RNN结构可以很好地利用序列之间的关系， 因此，对自然界具有连续性的输入序列， 如人类语言， 语音等处理得很好， 广泛应用于NLP各个领域的任务， 如文本分类， 情感分析, 意图识别, 机器翻译等.

  ---

• 以用户意图识别为例RNN简单分析运行过程：

  • 第一步: 用户输入了"What time is it ?", 我们首先需要对它进行基本的分词， 因为RNN是按照顺序工作的, 每次只收到一个单词处理.
  • 第二步: 首先将单词"What"输送给RNN, 它产生输出O1.
  • 第三步: 继续将单词"time"输送给RNN, 但此时RNN不仅仅利用"time"来产生输出O2, 它还将用于上一层的隐层输出O1作为输入信息.
  • 第四步: 重复这样的步骤, 直到所有单词都处理完毕。.
  • 第五步: 最后，输出最终隐层O5.处理分析用户意图.

  ---

• 学习了RNN模型分类：

  • 这里我们将从两个角度对RNN模型分类. 第一个角度是输入和输出的结构， 第二个角度是RNN的内部构造.

  ---

• 按输入输出结构进行分类：

  • N vs N - RNN
  • N vs 1 - RNN
  • 1 vs N - RNN
  • N vs M - RNN

  ---

• N vs N - RNN:

  • 它是RNN最基本的结构形式， 最大的特点是: 输入输出序列等长. 由于存在这种限制， 使其适用范围较小， 合辙诗句可用于生成等长度.

  ---

• N vs 1 - RNN:

  • 有时我们需要处理的问题输入是一个序列，要求输出是一个单独的值，而不是一个序列。我们应该如何建模它？我们只需要在最后一个隐藏的输出h上进行线性大多数情况下，为了更好地澄清结果， 还要使用sigmoid或者softmax进行处理. 这种结构经常用于文本分类.

  ---

• 1 vs N - RNN:

  如果输入不是序列而输出为序列的情况怎么处理呢？我们最常采用的一种方式就是使该输入作用于每次的输出之上. 这种结构可用于将图片生成文字任务等.

  ---

• N vs M - RNN:

  • 这是一种不限输入输出长度的RNN结构, 它由编码器和解码器两部分组成, 两者的内部结构都是某类RNN, 它也被称为seq2seq架构. 输入数据首先通过编码器, 最终输出一个隐含变量c, 之后最常用的做法是使用这个隐含变量c作用在解码器进行解码的每一步上, 以保证输入信息被有效利用.
  • seq2seq架构最早被提出应用于机器翻译, 因为其输入输出不受限制，如今也是应用最广的RNN模型结构. 在机器翻译, 阅读理解, 文本摘要等众多领域都进行了非常多的应用实践.

  ---

• 按照RNN的内部构造进行分类:

  • 传统RNN
  • LSTM
  • Bi-LSTM
  • GRU
  • Bi-GRU

1.2 传统RNN模型

学习目标

• 了解传统RNN的内部结构及计算公式.
• 掌握Pytorch中传统RNN工具的使用.
• 了解传统RNN的优势与缺点.

传统RNN的内部结构图

• 结构解释图:

• 内部结构分析:
  • 我们把目光集中在中间的方块部分, 它的输入有两部分, 分别是h(t-1)以及x(t), 代表上一时间步的隐层输出, 以及此时间步的输入, 它们进入RNN结构体后, 会"融合"到一起, 这种融合我们根据结构解释可知, 是将二者进行拼接, 形成新的张量[x(t), h(t-1)], 之后这个新的张量将通过一个全连接层(线性层), 该层使用tanh作为激活函数, 最终得到该时间步的输出h(t), 它将作为下一个时间步的输入和x(t+1)一起进入结构体. 以此类推.

• 内部结构过程演示:

• 根据结构分析得出内部计算公式:

• 激活函数tanh的作用:
  • 用于帮助调节流经网络的值, tanh函数将值压缩在-1和1之间.

• Pytorch中传统RNN工具的使用:

  • 位置: 在torch.nn工具包之中, 通过torch.nn.RNN可调用.

• nn.RNN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.
  • nonlinearity: 激活函数的选择, 默认是tanh.

• nn.RNN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.RNN使用示例:

# 导入工具包
>>> import torch
>>> import torch.nn as nn
>>> rnn = nn.RNN(5, 6, 1)  # (embedding_dim, hidden_size, num_layer)
>>> input = torch.randn(1, 3, 5) # [batch_size, seq_len, embedding_dim]
>>> h0 = torch.randn(1, 3, 6) # [num_layer * bi, seq_len, hidden_size]
>>> output, hn = rnn(input, h0) 
>>> output  # [batch_size, seq_len, hidden_size]
tensor([[[ 0.4282, -0.8475, -0.0685, -0.4601, -0.8357,  0.1252],
         [ 0.5758, -0.2823,  0.4822, -0.4485, -0.7362,  0.0084],
         [ 0.9224, -0.7479, -0.3682, -0.5662, -0.9637,  0.4938]]],
       grad_fn=<StackBackward>)

>>> hn  # [num_layer * bi, batch_size, hidden_size]
tensor([[[ 0.4282, -0.8475, -0.0685, -0.4601, -0.8357,  0.1252],
         [ 0.5758, -0.2823,  0.4822, -0.4485, -0.7362,  0.0084],
         [ 0.9224, -0.7479, -0.3682, -0.5662, -0.9637,  0.4938]]],
       grad_fn=<StackBackward>)

import torch
import torch.nn as nn


batch_size = 2
num_layer = 1
seq_len = 3
hidden_size = 6
embedding_dim = 5


# [embedding_dim, hidden_size, num_layer]
rnn = nn.RNN(embedding_dim, hidden_size, num_layer,batch_first = True	)

# [batch_size, seq_len, embedding_dim]
input1 = torch.randn(batch_size, seq_len, embedding_dim)

# [num_layer, batch_size, hidden_size]
h_0 = torch.randn(num_layer, batch_size, hidden_size)

out, h_1 = rnn(input1, h_0)

# [batch_size, seq_len, hidden_size]
out.size()

torch.Size([2, 3, 6])

# [num_layer, batch_size, hidden_size]
h_1.size()

torch.Size([1, 2, 6])

• 传统RNN的优势:
  • 由于内部结构简单, 对计算资源要求低, 相比之后我们要学习的RNN变体:LSTM和GRU模型参数总量少了很多, 在短序列任务上性能和效果都表现优异.

• 传统RNN的缺点:
  • 传统RNN在解决长序列之间的关联时, 通过实践，证明经典RNN表现很差, 原因是在进行反向传播的时候, 过长的序列导致梯度的计算异常, 发生梯度消失或爆炸.

• 什么是梯度消失或爆炸呢？
  • 根据反向传播算法和链式法则, 梯度的计算可以简化为以下公式:

• 其中sigmoid的导数值域是固定的, 在[0, 0.25]之间, 而一旦公式中的w也小于1, 那么通过这样的公式连乘后, 最终的梯度就会变得非常非常小, 这种现象称作梯度消失. 反之, 如果我们人为的增大w的值, 使其大于1, 那么连乘够就可能造成梯度过大, 称作梯度爆炸.

• 梯度消失或爆炸的危害:

  • 如果在训练过程中发生了梯度消失，权重无法被更新，最终导致训练失败; 梯度爆炸所带来的梯度过大，大幅度更新网络参数，在极端情况下，结果会溢出（NaN值）.

小节总结

• 学习了传统RNN的结构并进行了分析;

  • 它的输入有两部分, 分别是h(t-1)以及x(t), 代表上一时间步的隐层输出, 以及此时间步的输入, 它们进入RNN结构体后, 会"融合"到一起, 这种融合我们根据结构解释可知, 是将二者进行拼接, 形成新的张量[x(t), h(t-1)], 之后这个新的张量将通过一个全连接层(线性层), 该层使用tanh作为激活函数, 最终得到该时间步的输出h(t), 它将作为下一个时间步的输入和x(t+1)一起进入结构体. 以此类推.

  ---

• 根据结构分析得出了传统RNN的计算公式.

  ---

• 学习了激活函数tanh的作用:

  • 用于帮助调节流经网络的值, tanh函数将值压缩在-1和1之间.

  ---

• 学习了Pytorch中传统RNN工具的使用:

  • 位置: 在torch.nn工具包之中, 通过torch.nn.RNN可调用.

  ---

• nn.RNN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.
  • nonlinearity: 激活函数的选择, 默认是tanh.

  ---

• nn.RNN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.

  ---

• 实现了nn.RNN的使用示例, 获得RNN的真实返回结果样式.

  ---

• 学习了传统RNN的优势:

  • 由于内部结构简单, 对计算资源要求低, 相比之后我们要学习的RNN变体:LSTM和GRU模型参数总量少了很多, 在短序列任务上性能和效果都表现优异.

  ---

• 学习了传统RNN的缺点:

  • 传统RNN在解决长序列之间的关联时, 通过实践，证明经典RNN表现很差, 原因是在进行反向传播的时候, 过长的序列导致梯度的计算异常, 发生梯度消失或爆炸.

  ---

• 学习了什么是梯度消失或爆炸:

  • 根据反向传播算法和链式法则, 得到梯度的计算的简化公式:其中sigmoid的导数值域是固定的, 在[0, 0.25]之间, 而一旦公式中的w也小于1, 那么通过这样的公式连乘后, 最终的梯度就会变得非常非常小, 这种现象称作梯度消失. 反之, 如果我们人为的增大w的值, 使其大于1, 那么连乘够就可能造成梯度过大, 称作梯度爆炸.

  ---

• 梯度消失或爆炸的危害:

  • 如果在训练过程中发生了梯度消失，权重无法被更新，最终导致训练失败; 梯度爆炸所带来的梯度过大，大幅度更新网络参数，在极端情况下，结果会溢出（NaN值）.

1.3 LSTM模型

学习目标

• 了解LSTM内部结构及计算公式.
• 掌握Pytorch中LSTM工具的使用.
• 了解LSTM的优势与缺点.

• 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的内部结构图

• 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:

• 什么是Bi-LSTM ?
  • 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.

• Pytorch中LSTM工具的使用:
  • 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.

import torch
import torch.nn as nn

batch_size = 3
seq_len = 5
hidden_size = 6
num_layers = 2
embedding_dim = 30

LSTM

lstm = nn.LSTM(
    input_size = embedding_dim,
    hidden_size = hidden_size,
    num_layers = num_layers,
    bidirectional = False,
    batch_first = True
)

input = torch.randn([batch_size, seq_len, embedding_dim])
h_0 = torch.randn([num_layers, batch_size, hidden_size])
c_0 = torch.randn([num_layers, batch_size, hidden_size])
out, (h_t, c_t) = lstm(input, (h_0, c_0))

# [batch_size, seq_len, hidden_size]
out.size()

torch.Size([3, 5, 6])

# [num_layers, batch_size, hidden_size]
h_t.size()

torch.Size([2, 3, 6])

# [num_layers, batch_size, hidden_size]
c_t.size()

torch.Size([2, 3, 6])

Bi-LSTM

bi_lstm = nn.LSTM(
    input_size = embedding_dim, 
    hidden_size = hidden_size,
    num_layers = num_layers,
    bidirectional = True,
    batch_first = True
)

input = torch.randn([batch_size, seq_len, embedding_dim])
h_0 = torch.randn([num_layers * 2, batch_size, hidden_size])
c_0 = torch.randn([num_layers * 2, batch_size, hidden_size])
output, (h_t, c_t) = bi_lstm(input, (h_0, c_0))

output.size()  # [batch_size, seq_len, hidden_size * 2]

torch.Size([3, 5, 12])

h_t.size()  # [num_layer * 2, batch_size, hidden_size]

torch.Size([4, 3, 6])

c_t.size()  # [num_layer * 2, batch_size, hidden_size]

torch.Size([4, 3, 6])