循环神经网络之LSTM和GRU

看了一些LSTM的博客，都推荐看colah写的博客《Understanding LSTM Networks》 来学习LSTM，我也找来看了，写得还是比较好懂的，它把LSTM的工作流程从输入到输出整个撸了一遍，清晰地展示了整个流程，不足之处就是那个语言模型的例子不知道到底在表达什么。

But！

我觉得邱锡鹏老师的书写得更好！我又要开始推荐这本免费的书了：《神经网络与深度学习》。这本书第六章循环神经网络的LSTM部分，阐述了为什么要引入门控机制、LSTM的工作流程、LSTM的数学表达式、LSTM它为什么就叫这个名儿以及其他变体，数学公式和图都清晰明了，全是干货。粉丝在视频上看到自己的爱豆会想舔屏，我看这本书的时候想舔书。这本书比那本被吹上天的花书也好太多！真是低调的实力派，强推！

决定按照邱锡鹏老师的书来整理这部分知识点。

 

一、为什么要在循环神经网络中引入门控机制？

引入门控机制是为了缓解循环神经网络中的长期依赖问题。

回顾一下，如果t时刻的预测y_t依赖于t-k时刻的输入x_t-k，当时间间隔k比较大时，容易出现梯度消失或梯度爆炸的问题，那么循环神经网络就难以学习到如此久远的输入信息。在这种情况下，当目前的预测又需要用到比较久远的信息时，就会出现长期依赖问题。

但是如果我们为了学习到非常久远的信息，而把所有过去时刻输入的信息都存储起来的话，会造成隐状态h上存储信息的饱和与重要信息的丢失。为此，一种比较好的方案是引入门控机制来控制信息的累积速度，包括有选择的加入新信息，并有选择地遗忘之前积累的信息。这一类网络称为基于门控的循环神经网络（Gated RNN）。比较经典的基于门控的循环神经网络有长短期记忆网络（LSTM）和门控循环单元网络（GRU）。

 

二、长短期记忆网络（LSTM）

（一）LSTM的网络结构

在标准的RNN模型中，第t时刻的隐状态输出h_t是由如下公式计算得到的：

U、W、b是神经网络的参数，f(•)是非线性的激活函数，假设为Tanh函数。这一切计算是在一个隐藏层中完成的，这个隐藏层里就是用Tanh层做了非线性变换，如下图所示：

那么，在LSTM中，就是对这个隐藏层A进行了精心设计，添加了除Tanh层以外的东西，来避免长期依赖问题，如下图所示：

好，那接下来看，LSTM在这个隐藏层中到底添加了什么东西，做了哪些改进。

（二）LSTM的网络改进

相对于传统的RNN，LSTM的网络结构有两个改进：1是加入了新的内部状态，2是引入了门机制。下面将用这个图来解释LSTM的运作流程，c_t就表示当前的内部状态，三个σ(•)则表示三种门。

1、新的内部状态

 LSTM网络引入了一个新的内部状态c_t，一方面进行线性的循环信息传递，比如图中的c_t-1从左往右传递的过程，另一方面非线性地输出信息给隐藏层的外部状态h_t ，比如图中c_t从上往下的传递过程。这个内部状态c_t的作用就是记录到当前时刻t为止所有的历史信息。传递的过程中会进行哪些计算，这里暂且按下不表。

2、门机制

LSTM网络引入门机制来控制信息传递的路径，一共有三个门：遗忘门f_t，输入门i_t，输出门o_t。LSTM网络中的门不是一个二值变量（即只能取0或1），而是取值在（0,1）之间的“软门”，表示以一定的比例让信息通过。

• 三个门的作用为

          当f_t=0，i_t=1时，包含历史信息的内部状态c_t-1被丢弃，历史信息被清空，此时的内部状态c_t只记录了t-1时刻的信息，也就是候选状

          态经过输入 门i_t控制后留下的信息。

          当f_t=1，i_t=0时，内部状态c_t只复制了前一个内部状态c_t-1中的历史信息，而不写入由x_t带来的新信息。

          当然这三个门是不会取到0或1这种极端值的。

• 三个门的计算公式如下
  

          每个门都选择sigmoid激活函数σ(•)，输出区间为（0,1），x_t为当前时刻的输出，h_t-1为上一时刻的外部状态。W_*，U_*，b_*表示三个

          门（三个神经层）中待学习的参数，*∈{i, f, o}。

（三）LSTM网络的时间循环单元结构的计算过程

1、首先利用上一时刻的外部状态h_t-1和当前时刻的输入x_t，计算出三个门；

2、然后利用上一时刻的外部状态h_t-1和当前时刻的输入x_t，计算出候选状态：

3、结合遗忘门f_t、输入门i_t、上一时刻的内部状态c_t-1和候选状态，计算当前的内部状态c_t：

4、把当前内部状态c_t扔进tanh激活函数中，结合输出门o_t，将内部状态的信息传递给外部状态h_t。

再次对照下面这个图，结合上面这四个步骤，那么LSTM网络的计算过程就比较清楚了。外部状态h_t最终以两条路径进行下一步传递：一条路径是跳出了这个框，从下往上输出给了另一隐藏层或者输出层；另一条路径是按时间循环，传递给了下一时刻，用来计算h_t+1。下面这个图只表示了第2条路径。

通过LSTM的内部状态记录所有时刻的历史信息，整个网络就可以建立较长距离的时序依赖关系。

以上的工作流程可以用简洁的公式概括为：

（四）什么是长短期记忆？

在循环神经网络中，记忆能力分为短期记忆、长期记忆和长短期记忆。

1、短期记忆

短期记忆指简单循环神经网络中的隐状态h。因为隐状态h存储了历史信息，但是隐状态每个时刻都会被重写，因此可以看做是一种短期记忆（short-term memory）。

2、长期记忆

长期记忆指神经网络学习到的网络参数。因为网络参数一般是在所有“前向”和“后向”计算都完成后，才进行更新，隐含了从所有训练数据中学习到的经验，并且更新周期要远远慢于短期记忆，所以看做是长期记忆（long-term memory）。

3、长短期记忆

在LSTM网络中，由于遗忘门的存在，如果选择遗忘大部分历史信息，则内部状态c保存的信息偏于短期，而如果选择只遗忘少部分历史信息，那么内部状态偏于保存更久远的信息，所以内部状态c中保存信息的历史周期要长于短期记忆h，又短于长期记忆（网络参数），因此称为长短期记忆（long short-term memory）。

 

三、LSTM的变体：GRU

对LSTM的门机制进行改进可以得到多种变体，而GRU（Gated Recurrent Unit，门控循环单元网络）就是其中一种比LSTM网络更简单的循环神经网络。

GRU网络对LSTM网络的改进有两个方面：

1、将遗忘门和输入门合并为一个门：更新门，此外另一门叫做重置门。

2、不引入额外的内部状态c，直接在当前状态h_t和历史状态h_t-1之间引入线性依赖关系。

GRU网络的结构如下图所示，第一眼看上去感觉好复杂啊，哪里简单了，比LSTM复杂多了。

好，那接下来按输入数据x_t和历史状态h_t-1在GRU网络中流动的过程，来阐述GRU网络的工作流程。

1、计算重置门r_t和候选状态

重置门r_t用来控制候选状态的计算是否依赖于上一时刻的状态h_t-1。

当前时刻的候选状态为：

2、计算更新门z_t和当前状态h_t

更新门z_t用来控制当前状态h_t需要从历史状态h_t-1中保留多少信息，以及需要从候选状态中接收多少新信息。

然后计算出隐状态h_t：

可以看到，当z_t=0，r_t=1时，隐状态h_t为简单循环神经网络中的计算公式，GRU网络退化为简单循环神经网络。

此外，把求隐状态h_t的公式整理如下，可以看到当前状态h_t和历史状态h_t-1之间存在线性关系，也存在非线性关系，在一定程度上可以缓解梯度消失问题。

 

 

 

参考资料：

 1、邱锡鹏：《神经网络与深度学习》

2、colah：《Understanding LSTM Networks》

      网址：http://colah.github.io/posts/2015-08-Understanding-LSTMs/