长短期记忆网络(LSTM)

2022-10-02 本文已影响0人小黄不头秃

(一)长短期记忆网络(LSTM)

这个网络和GRU网络有些类似，他其中关于隐藏状态的处理也是用的门电路这种方案。在网络中它设计了三种门：

遗忘门：将隐藏状态值置为0；
输入门：决定是不是要忽略输入；（即，认为这个序列值是不重要的）
输出门：决定是不是使用隐状态；

另一个就是之前我们只是会存储隐状态 H ，但是在这里我们还会存储一个记忆单元 C 。 H 和 C 之间的关系呢，我理解为 H 是全局性的，他控制了三个门电路的开合。而 C 更多的是记录上一次序列模型的记忆。而且设计 H 和 C 两个变量，可以增加模型的复杂度。

不清楚门的含义或者序列模型的操作，可以看我上几篇文章，希望对你有帮助。
【序列模型】https://www.jianshu.com/p/49c21977d295
【RNN】https://www.jianshu.com/p/5037d1cc463c
【GRU】https://www.jianshu.com/p/afeb0412afa9

（1）门

我们可以看看它的三个门电路的计算公式：

（2）候选记忆单元

这里候选记忆单元的计算方式是和RNN的H计算是一样的。这一层就是一层简单的网络没有使用gate的思想。

（3）记忆单元

它的输入是上一层的计算出来的 $C_{t-1}$ 和这一次候选记忆单元的综合。其中上一层的 $C_{t-1}$ 需要经过遗忘门的筛选，看上一次的状态对这次预测的影响大不大。然后本次的候选记忆单元和输入门相乘，看这一次的输入是否被忽略。

（4）隐状态

在输出结果之前，我们再使用输出门对计算出来的记忆单元在做一次筛选。同时能够让隐状态输出在一个稳定的范围。在某种极端情况下H会被重置。

论文中的图

（二）代码实现

import torch
from torch import nn
from d2l import torch as d2l

batch_size, num_steps = 32, 35
train_iter, vocab = d2l.load_data_time_machine(batch_size, num_steps)

def get_lstm_params(vocab_size, num_hiddens, device):
    """获取模型的参数，三个门和输出层参数"""
    num_inputs = num_outputs = vocab_size # 输入和输出都是

    def normal(shape):
        return torch.randn(size=shape, device=device)*0.01

    def three():
        return (normal((num_inputs, num_hiddens)),
                normal((num_hiddens, num_hiddens)),
                torch.zeros(num_hiddens, device=device))

    W_xi, W_hi, b_i = three()  # 输入门参数
    W_xf, W_hf, b_f = three()  # 遗忘门参数
    W_xo, W_ho, b_o = three()  # 输出门参数
    W_xc, W_hc, b_c = three()  # 候选记忆元参数
    # 输出层参数
    W_hq = normal((num_hiddens, num_outputs))
    b_q = torch.zeros(num_outputs, device=device)
    # 附加梯度
    params = [W_xi, W_hi, b_i, W_xf, W_hf, b_f, W_xo, W_ho, b_o, W_xc, W_hc,
              b_c, W_hq, b_q]
    for param in params:
        param.requires_grad_(True)
    return params

# 初始化状态，记忆单元和隐状态
def init_lstm_state(batch_size, num_hiddens, device):
    return (torch.zeros((batch_size, num_hiddens), device=device),
            torch.zeros((batch_size, num_hiddens), device=device))

# 前向计算过程
def lstm(inputs, state, params):
    [W_xi, W_hi, b_i, W_xf, W_hf, b_f, W_xo, W_ho, b_o, W_xc, W_hc, b_c,
     W_hq, b_q] = params
    (H, C) = state
    outputs = []
    for X in inputs:
        I = torch.sigmoid((X @ W_xi) + (H @ W_hi) + b_i)
        F = torch.sigmoid((X @ W_xf) + (H @ W_hf) + b_f)
        O = torch.sigmoid((X @ W_xo) + (H @ W_ho) + b_o)
        C_tilda = torch.tanh((X @ W_xc) + (H @ W_hc) + b_c)
        C = F * C + I * C_tilda
        H = O * torch.tanh(C)
        Y = (H @ W_hq) + b_q
        outputs.append(Y)
    return torch.cat(outputs, dim=0), (H, C)

# 超参数和训练函数
vocab_size, num_hiddens, device = len(vocab), 256, d2l.try_gpu()
num_epochs, lr = 500, 1
model = d2l.RNNModelScratch(len(vocab), num_hiddens, device, get_lstm_params,
                            init_lstm_state, lstm)
d2l.train_ch8(model, train_iter, vocab, lr, num_epochs, device)

（2）简洁实现

num_inputs = vocab_size
lstm_layer = nn.LSTM(num_inputs, num_hiddens) # 使用LSTM模型，没有输出层
model = d2l.RNNModel(lstm_layer, len(vocab)) # 复用RNN代码，添加输出层
model = model.to(device)
d2l.train_ch8(model, train_iter, vocab, lr, num_epochs, device)