第十一章循环神经网络

2020-03-19 本文已影响0人晨光523152

CNNs 利用数据的局部相关性和权值共享的思想大大减少了网络的参数量，非常适合于图片这种具有空间局部相关性的数据。

然而除了空间维度之外，自然界还有一个时间维度。

e.g. 说话时发出的语音信号，随着时间变化的股市参数等等。这类数据并不一定具有局部相关性，同时数据在时间维度上的长度也是可变的，并不适合CNNs。

11.1 序列表示方法

具有先后顺序的数据一般叫做序列，比如随时间而变化的商品价格数据就是非常典型的序列。

如果希望神经网络能够用于 nlp 任务，那么怎么把单词或字符转化为数值就变得关键（因为，神经网络是一系列矩阵相乘，相加等运算）。

接下来探讨文本序列的表示方法，其他非数值类型的信号可以参考文本序列的表示方法。

one-hot 编码
以英文句子为例，假设我们只考虑最常用的一万个单词，那么一个单词就可以表示为某位为1，其他位置为0的长度为10000的稀疏向量。

一个one-hot 编码例子

把文字编码为数值的算法叫做 Word embedding，它也表示经过这个过程后得到的词向量，具体表示算法还是词向量需要依语境定。

one-hot 编码的向量是高维度而且极其稀疏的，大量位置为0，计算效率较低，同时也不利于神经网络的训练。

one-hot 编码还有个问题，得到的向量没有数值关系，忽略了单词先天具有的语义相关性。e.g. like / dislike。

一个衡量表示向量的尺度就是余弦相关度：

余弦相关度

11.1.1 Embedding 层

在神经网络中，单词的表示向量可以直接通过训练的方式得到，把单词的表示层叫做 Embedding 层。

Embedding 层负责把单词编码为某个向量 $vec$ ，他接受的是采用数字编码的单词 $idx$ ，如 2 表示 “I”，3 表示“me”等，系统总单词数量记作 $N_{vocab}$ ，输出长度为 $f$ 的向量 $vec$ ：
$vec = f_{\theta}(idx| N_{vocab},f)$

Embedding 层通过一个 shape 为 $[N_{vocab},f]$ 的查询表 table，对于任意的 $idx$ ，只需查询到对应位置上的向量返回即可：
$vec = table[idx]$

Embedding 层是可训练的，它可放置在神经网络之前，完成单词到向量的转换，得到的表示向量可以继续通过神经网络完成后续任务。

TensorFlow中：

layers.Embedding(N_vocab, f)

11.1.2 预训练的词向量

Embedding 层的查询表是随机初始化的，需要从零开始训练。

可以使用预训练的 Word Embedding 模型来得到单词的表示方法，基于预训练模型的词向量相当于迁移了整个语义空间的知识，往往能得到更好的性能，e.g. Word2Vec，GloVe。

通过设置 Embedding 层中不采用随机初始化的方式，而是使用预训练的词向量模型来帮助提升 NLP 任务的性能：

图 1

这里这个 load_embed 函数？？？？

11.2 循环神经网络

以情感分析为例：

情感分析

通过 Embedding 层把句子转换为[b,s,f]的张量，b 是 batch，s 是句子长度，f 为词向量长度。

由于输入的文本数据，传统 CNNs 并不能取得很好的效果。

11.2.1 全连接层可行吗

对于每一个词向量，分别使用一个全连接层提取语义特征。

全连接层提取语义特征1

缺点

11.2.2 共享权值

上面使用 $s$ 个全连接层来提取特征没有使用权值共享的思想。

全连接层提取语义特征2

虽然这种方法减少了参数量，并且让每个序列的输出长度都一样，但是还是将整个句子拆开来分别理解，无法获取整体的语义信息

11.2.3 语义信息

为了让网络能够按序提取词向量的语义信息，并累积成整个句子的语境信息，使用内存（Memory）机制。

Memory机制

除了参数 $W_{xh}$ 之外，额外增加了一个 $W_{hh}$ 参数，每个时间戳 $t$ 上的状态张量 $h$ 刷新机制为：
$h_{t} = \sigma(W_{xh}x_{t} + W_{hh}h_{t-1} + b)$

最后得到的 $h_{t}$ 能较好地代表了句子的语义信息。

11.2.4 循环神经网络

在每一个时间戳，网络层接受当前时间戳的输入 $x_{t}$ 和上一个时间戳的网络状态向量 $h_{t-1}$ ，经过：

$h_{t} = f_{\theta}(h_{t-1},x_{t})$
然后将 $h_{t}$ 输入到下一层。

展开的RNN模型

在循环神经网络中，激活函数更多地采用 tanh 函数。

11.4 RNN 层使用方法

layers.SimpleRNNCell 来完成 $\sigma(W_{xh}x_{t}+ W_{hh}h_{t-1}+b)$ 计算

还有一个是 layers.SimpleRNN。

SimpleRNN 与 SimpleRNNCell 的区别在于：

带 Cell 的层仅仅是完成了一个时间戳的前向计算，
不带 Cell 的层一般是基于 Cell 层实现的，在其内部已经完成了多个时间戳的循环计算。

11.4.1 SimpleRNNCell

以某输入特征长度 $f=4$ ，Cell 状态向量特征长度 $h=3$ 为例：

cell =layers.SimpleRNNCell(3)
cell.build(input_shape=(None,4))
cell.variables
# 输出为
[<tf.Variable 'kernel:0' shape=(4, 3) dtype=float32, numpy=
 array([[-0.3022833 ,  0.61006415, -0.62484777],
        [ 0.57937527, -0.38491082,  0.17247498],
        [ 0.15173519, -0.19038242,  0.46637845],
        [ 0.39670765, -0.5884889 ,  0.4437238 ]], dtype=float32)>,
 <tf.Variable 'recurrent_kernel:0' shape=(3, 3) dtype=float32, numpy=
 array([[ 0.63223445, -0.3049811 , -0.7122262 ],
        [ 0.77466154,  0.26471475,  0.5743045 ],
        [ 0.01338477, -0.9148294 ,  0.40361884]], dtype=float32)>,
 <tf.Variable 'bias:0' shape=(3,) dtype=float32, numpy=array([0., 0., 0.], dtype=float32)>]

里面有三个变量，分别对应于 $W_{xh},W_{hh},b$ 。

11.4.3 SimpleRNN 层

通过 SimpleRNN 可以仅需一行代码即可完成整个前向运算过程，它默认返回最后一个时间戳上的输出，如果希望返回所有时间戳上的输出列表，可以设置 return_sequences=True 参数：

layers.SimpleRNN(64, return_sequences = True)

11.6.1 梯度裁剪

梯度裁剪：将梯度张量的数值或者范数限制在某个较小的区间内，从而将远大于1的梯度值减少。

常用的梯度裁剪方法：

把张量 $W$ 限制在一个区间内，e.g. $w_{ij}\in [min,max]$ 。通过tf.clio_by_value()实现。

x = tf.random.normal([2,2])
x
##输出
<tf.Tensor: id=5, shape=(2, 2), dtype=float32, numpy=
array([[-1.2057091,  0.7955832],
       [-0.7486858, -0.9154401]], dtype=float32)>
tf.clip_by_value(x,0,0.5)
##输出
<tf.Tensor: id=10, shape=(2, 2), dtype=float32, numpy=
array([[0. , 0.5],
       [0. , 0. ]], dtype=float32)>

通过限制梯度张量 $W$ 的范数来实现梯度裁剪。通过tf.clip_by_norm()实现。
e.g. 对 $W$ 的二范数约束在 $[o,max]$ 之间，如果 $||W||_{2}>max$ ，则按照 $W^{'}=\frac{W}{||W||_{2}}*max$ 裁剪。
前面两种方式都是通过改变单个梯度张量来实现梯度裁剪，但是这可能会使得网络更新的方向发生改变。为了限制网络的梯度值并且同时不改变网络的更新方向，考虑所有参数的梯度 $W$ 的范数，实现等比例的缩放。通过tf.clip_by_global_norm实现。
$\begin{split} globalnorm &= \sqrt{\sum_{i}||W^{i}||_{2}^{2}}\\ W^{i} &= \frac{W^{i}\times maxnorm}{max(globalnorm,maxnorm)} \end{split}$
其中 $W^{i}$ 是指网络参数的第 $i$ 个梯度， $maxnorm$ 是指指定的全局最大范数值。

11.6.2 梯度弥散

通过增大学习率，减少网络深度，添加 Skip Connection等措施来解决梯度弥散现象。

11.7 RNN 短时记忆

RNN 不能理解长句子，往往只能够从有限长度内的句子提取信息，而对于较长范围内的有用信息往往不能够很好的利用起来，这种现象叫做短时记忆。

（p.s 是不是能够理解为CNN那样的局部感受野，只关注到了一定范围的信息？？）

11.8 LSTM 原理

在LSTM中，有两个状态向量 $c$ 和 $h$ ， $c$ 作为LSTM的内部状态向量（可以理解为LSTM的内存Memory）， $h$ 表示LSTM的输出向量。
利用三个门控：输入门，遗忘门，输出门，来控制内部信息的流动。

LSTM结构框图

11.8.1 遗忘门

遗忘门作用于LSTM状态向量 $c$ 上面，用于控制上一个时间戳的记忆 $c_{t-1}$ 对当前时间戳的影响。遗忘门的控制变量 $g_{f}$ 由：
$g_{f}=\sigma(W_{f}\times [h_{t-1}, x_{t}]+b_{f})$
其中 $[h_{t-1},x_{t}]$ 表示把两个向量连接成一个更长的向量。 $W_{f},b_{f}$ 是参数张量。 $\sigma$ 一把选用 Sigmoid 函数。

经过遗忘门后，LSTM的状态向量变为 $g_{f}\times c_{t-1}$ 。

意义：

$g_{f}=1$ 时，遗忘门全部张开，LSTM接受上一个状态 $c_{t-1}$ 的全部信息。
$g_{f} = 0$ 时，遗忘门关闭，忽略上一个状态的信息。

遗忘门

11.8.2 输入门

输入门用于控制LSTM对输入的接收程度。
计算方式为：
$\begin{split} \tilde{c_{t}}&=tanh(W_{c}\times [h_{t-1},x_{t}]+b_{c})\\ g_{i} &=\sigma(W_{i}\times [h_{t-1},x_{t}]+b_{i})\\ out &=g_{i}\times \tilde{c_{t}} \end{split}$
重点在于第二步吧，控制了 $\tilde{c_{t}}$ 是否全部进入Memory内。

输入门控制变量 $g_{i}$ 的意义：

$g_{i}=0$ 时，LSTM不接受任何的新输入 $\tilde{c_{t}}$ ；
$g_{i}=1$ 时，LSTM全部接受新输入 $\tilde{c_{t}}$ 。

输入门

11.8.3 刷新Memory

在遗忘门和输入门的控制下，LSTM有选择地读取了上一个时间戳的记忆 $c_{t-1}$ 和当前时间戳的新输入 $\tilde{c_{t}}$ ，状态向量 $c_{t}$ 的刷新方式为：
$c_{t} = g_{i}*\tilde{c_{t}} + g_{f}*c_{t-1}$

$+$ 号前面是输入门的输出，针对当前当前时间戳和上一个时间戳；
$+$ 号后面是遗忘门的输出，针对上一个时间戳。

11.8.4 输出门

LSTM的内部状态向量 $c_{t}$ 并不会直接用于输出，而是在输出门的作用下有选择的输出。
输出门的门控变量 $g_{o}$ 为：
$g_{o} = \sigma(W_{o}\times [h_{t-1},x_{t}]+b_{o})$
LSTM的输出由：
$h_{t} = g_{o}*tanh(c_{t})$

输出门的意义：

当 $g_{o}=0$ 时，输出关闭，LSTM的内部记忆被完全隔离，无法用作输出，此时输出为0的向量；
当 $g_{o}=1$ 时，输出完全打开，LSTM的状态向量 $c_{t}$ 全部用于输出。

输出门

输出门和遗忘门的典型行为

（理解方式：输入门针对当前时间戳和上一个时间戳，遗忘门只针对上一个时间戳）

11.9 LSTM层使用方法

使用LSTMCell 来手动完成时间戳上面的循环计算；
通过LSTM层方式一步完成前向运算。

11.9.1 LSTMCell

LSTM的状态变量List有两个，即 $[h_{t},c_{t}]$ 。

调用cell完成前向运算时，返回两个元素，第一个元素为cell的输出，也就是 $h_{t}#，第二个元素为cell的更新后的状态List：$ [h_{t},c_{t}]$。

x = tf.random.normal([2,80,100])
xt = x[:,0,:]
cell = tf.keras.layers.LSTMCell(64)
state = [tf.zeros([2,64]),tf.zeros([2,64])]
for xt in tf.unstack(x, axis = 1):
    out, state = cell(xt, state)

11.9.2 LSTM层

通过tf.keras.layers.LSTM 层可以方便的一次完成整个序列的运算。

net = tf.keras.Sequential([
    tf.keras.layers.LSTM(64, return_sequences = True),
    tf.keras.layers.LSTM(64)
])
out1 = net(x)

11.10 GRU 简介

LSTM的缺点：计算代价比较高，模型参数比较大。（优点：LSTM不容易出现梯度弥散现象）。并且，遗忘门是LSTM中最重要的门口，甚至发现只有遗忘门的简化网络在多个基准数据集上面超过标准LSTM。

门控循环网络（GRU）是应用最广泛的变种之一。其把内部状态向量和输出向量合并，统一为状态向量 $h$ ，门控数量也减少到两个：复位门和更新门

GUU 网络结构

11.10.1 复位门

复位门用于控制上一个时间戳的状态 $h_{t-1}$ 进入GRU的量。

门控向量 $g_{r}$ 由当前时间戳输入 $x_{t}$ 和上一时间戳状态 $h_{t-1}$ 变换得到：
$g_{r} = \sigma(W_{r}\times [h_{t-1},x_{t}] + b_{r})$
门控向量 $g_{r}$ 只控制状态 $h_{t-1}$ ，而不会控制输入 $x_{t}$ ：
$\tilde{h_{t}}=tanh(W_{h}\times [g_{r} \times h_{t-1},x_{t}]+ b_{h})$

门控向量 $g_{r}$ 的意义：

当 $g_{r}=0$ 时，新输入 $\tilde{h_{t}}$ 全部来自于输入 $x_{t}$ ，不接受 $h_{t-1}$ ，此时相当于复位 $h_{t-1}$ ；
当 $g_{r}=1$ 时， $h_{t-1}$ 和输入 $x_{t}$ 共同产生新输入 $\tilde{h_{t}}$ 。

复位门结构

11.10.2 更新门

更新们用控制上一时间戳状态 $h_{t-1}$ 和新输入 $\tilde{h_{t}}$ 对新状态向量 $h_{t}$ 的影响程度。

更新门控向量 $g_{z}$ 由：
$g_{z} = \sigma(W_{z}\times [h_{t-1},x_{t}] + b_{z})$

$g_{z}$ 用于控制新输入 $\tilde{h_{t}}$ 信号， $1-g_{z}$ 用于控制状态 $h_{t-1}$ 信号：
$h_{t}=(1-g_{z})\times h_{t-1} + g_{z} \times \tilde{h_{t}}$

意义：

当 $g_{z} = 0$ 时， $h_{t}$ 全部来自 $h_{t-1}$ ；
当 $g_{z} = 1$ 时， $h_{t}$ 全部来自 $\tilde{h_{t}}$ 。

11.10.3 GUR 使用方法

同样包括：GURCell，GUR层两种使用方法。

参考资料：《TensorFlow深度学习》

第十一章循环神经网络

11.1 序列表示方法

11.1.1 Embedding 层

11.1.2 预训练的词向量

11.2 循环神经网络

11.2.1 全连接层可行吗

11.2.2 共享权值

11.2.3 语义信息

11.2.4 循环神经网络

11.4 RNN 层使用方法

11.4.1 SimpleRNNCell

11.4.3 SimpleRNN 层

11.6.1 梯度裁剪

11.6.2 梯度弥散

11.7 RNN 短时记忆

11.8 LSTM 原理

11.8.1 遗忘门

11.8.2 输入门

11.8.3 刷新Memory

11.8.4 输出门

11.9 LSTM层使用方法

11.9.1 LSTMCell

11.9.2 LSTM层

11.10 GRU 简介

11.10.1 复位门

11.10.2 更新门

11.10.3 GUR 使用方法

猜你喜欢

热点阅读

第十一章 循环神经网络

11.1 序列表示方法

11.1.1 Embedding 层

11.1.2 预训练的词向量

11.2 循环神经网络

11.2.1 全连接层可行吗

11.2.2 共享权值

11.2.3 语义信息

11.2.4 循环神经网络

11.4 RNN 层使用方法

11.4.1 SimpleRNNCell

11.4.3 SimpleRNN 层

11.6.1 梯度裁剪

11.6.2 梯度弥散

11.7 RNN 短时记忆

11.8 LSTM 原理

11.8.1 遗忘门

11.8.2 输入门

11.8.3 刷新Memory

11.8.4 输出门

11.9 LSTM层使用方法

11.9.1 LSTMCell

11.9.2 LSTM层

11.10 GRU 简介

11.10.1 复位门

11.10.2 更新门

11.10.3 GUR 使用方法

猜你喜欢

热点阅读

第十一章循环神经网络