Press "Enter" to skip to content

一步一步,看图理解长短期记忆网络与门控循环网络

大家好,欢迎来到 LSTM 和 GRU 的图解指南。在本文中,Michael 将从 LSTM 和 GRU 的背后的原理开始,然后解释令 LSTM 和 GRU 具有优秀性能的内部机制。如果你想了解这两个网络背后发生了什么,这篇文章就是为你准备的。

问题重点——短期记忆
循环神经网络(RNN)很大程度上会受到短期记忆的影响,如果序列足够长,它们将很难将信息从早期时间步传递到靠后的时间步。因此,如果你试图处理一段文字来做预测,RNN 可能从一开始就遗漏掉重要的信息。
在反向传播过程中,循环神经网络也存在梯度消失等问题。一般而言,梯度是用来更新神经网络权值的,梯度消失问题是梯度会随着时间的推移逐渐缩小接近零。如果梯度值变得非常小,它就不能为学习提供足够的信息。

梯度更新规则

所以在 RNN 中,通常是前期的层会因为梯度消失和停止学习。因此,RNN 会忘记它在更长的序列中看到的东西,从而只拥有短期记忆。
解决方案——LSTM 和 GRU
创建 LSTM 和 GRU 可以作为短期记忆的解决方案,它们有一种称为「门」的内部机制,可以调节信息流。

这些门可以判断数据在一个序列中该保留或弃用,因此它可以将相关信息传递到较长序列链中进行预测。几乎所有基于循环神经网络的最新成果都是通过这两个网络实现的。LSTM 和 GRU 可以应用在语音识别语音合成和文本生成中。你甚至可以用它们来生成视频的字幕。
现在你应该理解 LSTM 和 GRU 擅长处理长序列的原因了。我将用直观的解释和插图来解答这个问题,我尽量避免使用数学。
直观解释
好,让我们从一个思维实验开始。假设你通过在网上看评论来决定是否买 Life 牌麦片。因为我们先看评论,然后判断其他人认为它是好还是坏。

当你阅读评论时,你的大脑潜意识里只会记住重要的关键词。你会侧重一些诸如「惊人的」和「完美均衡早餐」之类的词。你不会在意「这个」、「给予」、「所有」、「应该」等等。如果朋友第二天问你评论说了什么,你可能不会逐字逐句地记住。但你可能还记得一些重点,比如「肯定会再买」,其他的词会从记忆中消失。

这就是 LSTM 或 GRU 的作用,它可以学会只保留相关的信息以进行预测。在这种情况下,你记得的评论会让你做出好的判断。
回顾循环神经网络
为了理解 LSTM 或 GRU 是如何做到这一点的,让我们回顾一下循环神经网络。RNN 是这样工作的:第一个单词被转换成机器可读的向量。然后,RNN 逐个处理向量序列。

逐个处理序列

在处理过程中,它将之前的隐状态传递给序列的下一个步骤。隐状态作为神经网络的记忆,保存着网络先前观察到的数据信息。

传递隐藏状态到下一时间步

观察 RNN 的一个单元格,看看如何计算隐状态。首先,输入和之前的藏状态组合成一个向量。这个向量现在有当前输入和先前输入的信息。向量通过 tanh 激活,输出是新的隐状态,或神经网络的记忆。

RNN 单元

双曲正切(tanh)激活函数
tanh 激活函数用于调节在神经网络中传递的值,它会将输入值压缩到 -1 到 1 之间。

Tanh 将输入压缩到介于-1 到 1 之间

当向量通过神经网络时,由于各种数学运算,它会经历许多变换。假设一个值连续乘以 3,结果会爆炸增长成天文数字,从而导致其他值的变化变得微不足道。

缺少 tanh 的向量变换

tanh 函数确保值保持在-1 到 1 之间,从而控制神经网络的输出。下图可以看到数值是如何借助 tanh 函数在不同的时间步之中保持稳定。

tanh 函数下的向量变化

这就是 RNN。它的内部操作很少,但在适当的环境下(比如短序列)会有很好的性能。RNN 使用的计算资源比它的改进版 LSTM 和 GRU 要少得多。
LSTM
LSTM 具有与循环神经网络相似的控制流,它在前向传播时处理传递信息的数据,两者区别在于单元内的处理过程不同。

LSTM 单元及内部运算

这些内部操作用于允许 LSTM 保存或丢弃信息,现在看这些操作可能会有点难,所以我们一步步来看。
核心概念
LSTM 的核心概念是单元状态,及单元中各种各样的门。单元状态好比传输的高速公路,在序列链中传递相关信息。你可以把它看作是网络的「记忆」。从理论上讲,单元状态可以在整个序列处理过程中携带相关信息。因此,即使是前期时间步的信息也可以帮助后续时间步的处理,因此单元状态有效减少了短期记忆的影响。随着单元状态在不同时间步的传递,我们可以通过门控机制添加或删除单元状态中的信息。这些门是不同的神经网络,用来决定能够进入单元状态的信息。在训练过程中,门可以学习到哪些信息是需要保存或遗忘的。
sigmoid 函数
门控机制主要由 sigmoid 激活函数构成,sigmoid 激活函数类似于 tanh 激活函数,它会将数值控制在 0 到 1 之间,而不是 -1 到 1。这有助于更新或丢弃数据,因为任何数乘以 0 都是 0,这将导致数值消失或被「遗忘」。任何数字乘以 1 都是其本身,因此这个值不变或者「保存」。网络可以知道哪些数据不重要,可以被遗忘,或者哪些数据需要保存。

Sigmoid 会将数值控制在 0 到 1 之间

让我们再深入探讨一下各种门的作用,我们有三个不同的门来调节 LSTM 单元中的信息流,即遗忘门、输入门和输出门。
遗忘门
首先是遗忘门(forget gate),这个门决定了哪些信息应该被丢弃或保存。在遗忘门中,来自先前隐状态的信息和来自当前输入的信息传递到 sigmoid 函数,并将值压缩到 0 和 1 之间。越接近 0 意味着丢弃,越接近 1 意味着保留。

遗忘门操作

输入门
为了更新单元状态,LSTM 需要输入门(input gate)。首先,我们将前面的隐状态和当前输入传递给一个 sigmoid 函数,它通过将值转换为 0 到 1 来决定将更新哪些值。0 表示不重要,1 表示重要。还可以将隐状态和当前输入传递给 tanh 函数,使值变为-1 到 1 之间的值,以帮助调节神经网络。然后将 tanh 输出与 sigmoid 输出相乘,sigmoid 输出将决定保留 tanh 输出的重要信息。

输入门操作

单元状态
现在应该有足够的信息来计算单元状态。首先,单元状态逐点乘以遗忘向量,如果它与接近 0 的值相乘,就有可能在单元状态中得到低值。然后,从输入门读取上一步输出,并逐点相加,将单元状态更新为神经网络认为相关的新值,这就得到了新的单元状态。

计算单元状态

输出门
最后是输出门(output gate),输出门决定下一个隐藏状态。记住,隐藏状态包含先前输入的信息。隐藏状态也用于预测。首先,我们将前面的隐状态和当前输入传递给一个 sigmoid 函数。然后我们将新修改的单元状态传递给 tanh 函数。我们将 tanh 输出与 sigmoid 输出相乘,以确定隐状态应该包含的信息。新的单元状态和新的隐藏状态随后被转移到下一步中。

输出门操作

需要了解的是,遗忘门决定了哪些内容与前面的步骤相关。输入门决定从当前步骤中添加哪些相关信息。输出门决定下一个隐状态应该是什么。
代码演示
对于那些需要通过代码更好地理解模型的人来说,这里有一个 Python 伪代码示例:

Python 伪代码
  1. 首先,将前面的隐状态和当前输入拼接起来,即为 combine。
  2. 将 combine 的值送至遗忘层,并删除不相关的数据。
  3. 使用 combine 创建候选层,候选项保存要添加到单元状态的可能值。
  4. 将 combine 的值送至输入层,这一层决定应该添加到新的单元状态的候选数据。
  5. 在计算遗忘层、候选层和输入层后,利用这些向量和前面的单元格状态计算新单元格状态。
  6. 然后计算输出。
  7. 输出和新单元状态之间的对应元素乘积将得到新的隐藏状态。

GRU
我们已经知道 LSTM 是如何工作的,让我们简单看看 GRU。GRU 是新一代的循环神经网络,它与 LSTM非常相似。GRU 摆脱了单元状态,直接用隐藏状态传递信息,它只有重置门和更新门这两个门控机制。

GRU 单元和它的门

更新门的作用类似于 LSTM 的遗忘门和输入门。它同时决定丢弃什么旧信息,添加什么新信息。而重置门是一个用来决定要忘记多少过去信息的门。
GRU 的张量运算很少,因此与 LSTM 相比,它的训练速度要快一些。目前还不清楚哪一个更好,研究人员和工程师通常都根据自己实际情况选择二者之一。
结论
综上所述,RNN 对于处理用于预测的序列数据很有帮助,但其存在短期记忆问题。创建 LSTM 和 GRU 的目的是利用「门」的机制来降低短期记忆。LSTM 和 GRU 广泛应用在语音识别语音合成、自然语言理解等最先进的深度学习应用中。

Be First to Comment

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注