首页 > 代码库 > RNN的介绍
RNN的介绍
一、状态和模型
在CNN网络中的训练样本的数据为IID数据(独立同分布数据),所解决的问题也是分类问题或者回归问题或者是特征表达问题。但更多的数据是不满足IID的,如语言翻译,自动文本生成。它们是一个序列问题,包括时间序列和空间序列。这时就要用到RNN网络,RNN的结构图如下所示:
序列样本一般分为:一对多(生成图片描述),多对一(视频解说,文本归类),多对多(语言翻译)。RNN不仅能够处理序列输入,也能够得到序列输出,这里的序列指的是向量的序列。RNN学习来的是一个程序,也可以说是一个状态机,不是一个函数。
二、序列预测
1.下面以序列预测为例,介绍RNN网络。下面来描述这个问题。
(1)输入的是时间变化向量序列 x t-2 , x t-1 , x t , x t+1 , x t+2
(2)在t时刻通过模型来估计
(3)问题:对内部状态和长时间范围的场景难以建模和观察
(4)解决方案:引入内部隐含状态变量
2.序列预测模型
它与CNN网络的区别可以这样理解,它不仅需要本次的x最为输入,还要把前一次隐藏层作为输入,综合得出输出y
输入离散列序列:
在时间t的更新计算;
预测计算:
对于上图的各层参数说明如下:
在整个计算过程中,W保持不变,h0在0 时刻初始化。当h0不同时,网络生成的东西也就不相同了,它就像一个种子。序列生成时,本次的输出yt会作为下一次的输入,这样源源不断的进行下去。
三、RNN的训练
它做前向运算,相同的W要运算多次,多步之前的输入x会影响当前的输出,在后向运算过程中,同样W也不被乘多次。计算loss时,要把每一步的损失都加起来。
1.BPTT算法
(1)RNN前向运算
(2)计算w的偏导,需要把所有time step加起来
(3)计算梯度需要用到如下链式规则
如上实在的dyt/dhk是没有计算公式的,下面来看看怎么计算这个式子
梳理一下我们的问题和已知,
计算目标:
已知:
因此:
2.BPTT算法的梯度消失(vanishing)和梯度爆炸(exploding)现象分析
这里的消失和CNN等网络的梯度消失的原因是不一样的,CNN是因为隐藏层过多导致的梯度消失,而此处的消失是因为step过多造成的,如果隐层多更会加剧这种现象。
已知:
根据||XY||≤||X|| ||Y||知道:
其中beta代表上限,因此:
3.解决方案。
(1)clipping:不让梯度那么大,通过公式将它控制在一定的范围
(2)将tanh函数换为relu函数
但事实上直接用这种全连接形式的RNN是很少见的,很多人都在用LSTM
4.LSTM
它的h层对下一个step有两个输入,除了h t-1外,多了一个c
(1)forget / input unit
ft指的是对前一次的h要忘记多少,it为输入单元,表示本次要对c更新多少。
(2) update cell
因为ft最后是一个sigmoid函数,最后输出值大多为接近0或者1,也就是长短期记忆ct为-1到1的范围,所以它不止是累加,还是可能让其减小
(3)output
综上所述,LSTM的结构与公式是
(4)LSTM的训练
不需要记忆复杂的BPTT公式,利用时序展开,构造层次关系,可以开发复杂的BPTT算法,同时LSTM具有定抑制梯度vinishing/exploding的特性。
(5)使用LSTM
将多个LSTM组合成层,网络中有多层,复杂的结构能够处理更大范围的动态性。
四、RNN的应用
1.learning to execute
序列数据的复杂性
(1)序列中相关距离可能很长
(2)需要有记忆功能
(3)代码中又有分支
(4)多种任务
如何训练
(1)样本的顺序:先易后难VS难易交替
(2)样本的类型:循环代码VS解析代码
2.字符语言模型:字符序列输入,预测下一个字符(https://github.com/karpathy/char-rnn)
文本生成:在通过大量的样本训练好预测模型之后,我们可以利用这个模型来生产我们需要的文本
下面给出实现的代码;
""" Minimal character-level Vanilla RNN model. Written by Andrej Karpathy (@karpathy) BSD License """ import numpy as np # data I/O data = http://www.mamicode.com/open(‘input.txt‘, ‘r‘).read() # should be simple plain text file""" inputs,targets are both list of integers. hprev is Hx1 array of initial hidden state returns the loss, gradients on model parameters, and last hidden state """ xs, hs, ys, ps = {}, {}, {}, {} hs[-1] = np.copy(hprev) loss = 0 # forward pass for t in xrange(len(inputs)): xs[t] = np.zeros((vocab_size,1)) # encode in 1-of-k representation xs[t][inputs[t]] = 1 hs[t] = np.tanh(np.dot(Wxh, xs[t]) + np.dot(Whh, hs[t-1]) + bh) # hidden state ys[t] = np.dot(Why, hs[t]) + by # unnormalized log probabilities for next chars ps[t] = np.exp(ys[t]) / np.sum(np.exp(ys[t])) # probabilities for next chars loss += -np.log(ps[t][targets[t],0]) # softmax (cross-entropy loss) # backward pass: compute gradients going backwards dWxh, dWhh, dWhy = np.zeros_like(Wxh), np.zeros_like(Whh), np.zeros_like(Why) dbh, dby = np.zeros_like(bh), np.zeros_like(by) dhnext = np.zeros_like(hs[0]) for t in reversed(xrange(len(inputs))): dy = np.copy(ps[t]) dy[targets[t]] -= 1 # backprop into y. see http://cs231n.github.io/neural-networks-case-study/#grad if confused here dWhy += np.dot(dy, hs[t].T) dby += dy dh = np.dot(Why.T, dy) + dhnext # backprop into h dhraw = (1 - hs[t] * hs[t]) * dh # backprop through tanh nonlinearity dbh += dhraw dWxh += np.dot(dhraw, xs[t].T) dWhh += np.dot(dhraw, hs[t-1].T) dhnext = np.dot(Whh.T, dhraw) for dparam in [dWxh, dWhh, dWhy, dbh, dby]: np.clip(dparam, -5, 5, out=dparam) # clip to mitigate exploding gradients return loss, dWxh, dWhh, dWhy, dbh, dby, hs[len(inputs)-1] def sample(h, seed_ix, n): """ sample a sequence of integers from the model h is memory state, seed_ix is seed letter for first time step """ x = np.zeros((vocab_size, 1)) x[seed_ix] = 1 ixes = [] for t in xrange(n): h = np.tanh(np.dot(Wxh, x) + np.dot(Whh, h) + bh) y = np.dot(Why, h) + by p = np.exp(y) / np.sum(np.exp(y)) ix = np.random.choice(range(vocab_size), p=p.ravel()) x = np.zeros((vocab_size, 1)) x[ix] = 1 ixes.append(ix) return ixes n, p = 0, 0 mWxh, mWhh, mWhy = np.zeros_like(Wxh), np.zeros_like(Whh), np.zeros_like(Why) mbh, mby = np.zeros_like(bh), np.zeros_like(by) # memory variables for Adagrad smooth_loss = -np.log(1.0/vocab_size)*seq_length # loss at iteration 0 while True: # prepare inputs (we‘re sweeping from left to right in steps seq_length long) if p+seq_length+1 >= len(data) or n == 0: hprev = np.zeros((hidden_size,1)) # reset RNN memory p = 0 # go from start of data inputs = [char_to_ix[ch] for ch in data[p:p+seq_length]] targets = [char_to_ix[ch] for ch in data[p+1:p+seq_length+1]] # sample from the model now and then if n % 100 == 0: sample_ix = sample(hprev, inputs[0], 200) txt = ‘‘.join(ix_to_char[ix] for ix in sample_ix) print ‘----\n %s \n----‘ % (txt, ) # forward seq_length characters through the net and fetch gradient loss, dWxh, dWhh, dWhy, dbh, dby, hprev = lossFun(inputs, targets, hprev) smooth_loss = smooth_loss * 0.999 + loss * 0.001 if n % 100 == 0: print ‘iter %d, loss: %f‘ % (n, smooth_loss) # print progress # perform parameter update with Adagrad for param, dparam, mem in zip([Wxh, Whh, Why, bh, by], [dWxh, dWhh, dWhy, dbh, dby], [mWxh, mWhh, mWhy, mbh, mby]): mem += dparam * dparam param += -learning_rate * dparam / np.sqrt(mem + 1e-8) # adagrad update p += seq_length # move data pointer n += 1 # iteration counter
RNN的介绍