RNN/LSTM循环神经网络讲解

素颜马尾好姑娘i 2022-10-16 13:24 295阅读 0赞

转自：[https://zhuanlan.zhihu.com/p/123211148][https_zhuanlan.zhihu.com_p_123211148]

## **一。什么是循环神经网络：** ##

循环神经网络（Rerrent Neural Network, RNN），历史啊，谁发明的都不重要，说了你也记不住，你只要记住RNN是神经网络的一种，类似的还有深度神经网络DNN，卷积神经网络CNN，生成对抗网络GAN，等等。另外你需要记住RNN的特点，**RNN对具有序列特性的数据非常有效，它能挖掘数据中的时序信息以及语义信息，**利用了RNN的这种能力，使深度学习模型在解决语音识别、语言模型、机器翻译以及时序分析等NLP领域的问题时有所突破。

我们需要重点来了解一下RNN的特点这句话，什么是**序列特性**呢？我个人理解，就是**符合时间顺序，逻辑顺序，或者其他顺序就叫序列特性**，举几个例子：

*  拿人类的某句话来说，也就是人类的自然语言，是不是符合某个逻辑或规则的字词拼凑排列起来的，这就是符合序列特性。
 *  语音，我们发出的声音，每一帧每一帧的衔接起来，才凑成了我们听到的话，这也具有序列特性、
 *  股票，随着时间的推移，会产生具有顺序的一系列数字，这些数字也是具有序列特性。

## **二。为什么要发明循环神经网络：** ##

我们先来看一个NLP很常见的问题，命名实体识别，举个例子，现在有两句话：

第一句话：I like eating apple！（我喜欢吃苹果！）

第二句话：The Apple is a great company！（苹果真是一家很棒的公司！）

现在的任务是要给apple打Label，我们都知道第一个apple是一种水果，第二个apple是苹果公司，假设我们现在有大量的已经标记好的数据以供训练模型，当我们使用全连接的神经网络时，我们做法是把apple这个单词的特征向量输入到我们的模型中（如下图），在输出结果时，让我们的label里，正确的label概率最大，来训练模型，但我们的语料库中，有的apple的label是水果，有的label是公司，这将导致，模型在训练的过程中，预测的准确程度，取决于训练集中哪个label多一些，这样的模型对于我们来说完全没有作用。**问题就出在了我们没有结合上下文去训练模型，而是单独的在训练apple这个单词的label，这也是全连接神经网络模型所不能做到的，于是就有了我们的循环神经网络。**

![645dcb14378438df5cf6e6731e77ca38.png][]

（全连接神经网络结构）

## **三。循环神经网络的结构及原理：** ##

![c4019a748567a91e3ac1b80014d86e3e.png][]

（RNN结构）

上图就是RNN的结构，我第一次看到这图的第一反应是，不是说好的循环神经网络么，起码得是神经网络啊，神经网络不是有很多球球么，也就是神经元，这RNN咋就这几个球球，不科学啊，看不懂啊！！！！随着慢慢的了解RNN，才发现这图看着是真的清楚，因为RNN的特殊性，如果展开画成那种很多神经元的神经网络，会很麻烦。

我们先来讲解一下上面这幅图，首先不要管右边的W，只看X,U,S,V,O，这幅图就变成了，如下：

![645dcb14378438df5cf6e6731e77ca38.png][]

等等，这图看着有点眼熟啊，这不就是全连接神经网络结构吗？对，没错，不看W的话，上面那幅图展开就是全连接神经网络，其中X是一个向量，也就是某个字或词的特征向量，作为输入层，如上图也就是3维向量，U是输入层到隐藏层的参数矩阵，在上图中其维度就是3X4，S是隐藏层的向量，如上图维度就是4，V是隐藏层到输出层的参数矩阵，在上图中就是4X2，O是输出层的向量，在上图中维度为2。有没有一种顿时豁然开朗的感觉，正是因为我当初在学习的时候，可能大家都觉得这个问题比较小，所以没人讲，我一直搞不清楚那些神经元去哪了。。所以我觉得讲出来，让一些跟我一样的小白可以更好的理解。

弄懂了RNN结构的左边，那么右边这个W到底是什么啊？把上面那幅图打开之后，是这样的：

![1045b71c236febda85103c9b01e22d29.png][]

等等，这又是什么？？别慌，很容易看，举个例子，有一句话是，I love you，那么在利用RNN做一些事情时，比如命名实体识别，上图中的 代表的就是I这个单词的向量， 代表的是love这个单词的向量， 代表的是you这个单词的向量，以此类推，我们注意到，上图展开后，W一直没有变，**W其实是每个时间点之间的权重矩阵**，我们注意到，RNN之所以可以解决序列问题，**是因为它可以记住每一时刻的信息，每一时刻的隐藏层不仅由该时刻的输入层决定，还由上一时刻的隐藏层决定**，公式如下，其中 代表t时刻的输出, 代表t时刻的隐藏层的值：

![3d916866269c6fa39d3736359c528b98.png][]

**值得注意的一点是，在整个训练过程中，每一时刻所用的都是同样的W。**

## **四。举个例子，方便理解：** ##

假设现在我们已经训练好了一个RNN，如图，我们假设每个单词的特征向量是二维的，也就是输入层的维度是二维，且隐藏层也假设是二维，输出也假设是二维，所有权重的值都为1且没有偏差且所有激活函数都是线性函数，现在输入一个序列，到该模型中，我们来一步步求解出输出序列：

![05afc1622884bdb4c54f2998b7c0b37a.png][]

![940ea90f80edac5e6134e09f00fd99f4.png][]

你可能会好奇W去哪了？W在实际的计算中，在图像中表示非常困难 ，所以我们可以想象上一时刻的隐藏层的值是被存起来，等下一时刻的隐藏层进来时，上一时刻的隐藏层的值通过与权重相乘，两者相加便得到了下一时刻真正的隐藏层，如图 , 可以看做每一时刻存下来的值，当然初始时 , 是没有存值的，因此初始值为0：

![0f6f9ec7d49c59cf4ff560ba9d9e62ef.png][]

当我们输入第一个序列，【1,1】，如下图，其中隐藏层的值，也就是绿色神经元，是通过公式 计算得到的，因为所有权重都是1，所以也就是 （我把向量X拆开计算的，由于篇幅关系，我只详细列了其中一个神经元的计算过程，希望大家可以看懂，看不懂的请留言），输出层的值4是通过公式 计算得到的，也就是 （同上，也是只举例其中一个神经元），得到输出向量【4,4】：

![90bc5a35192ab510cce6666dfce3fc45.png][]

当【1,1】输入过后，我们的记忆里的 已经不是0了，而是把这一时刻的隐藏状态放在里面，即变成了2，如图，输入下一个向量【1,1】，隐藏层的值通过公式 得到， ，输出层的值通过公式，得到 ，最终得到输出向量【12,12】：

![6748cbfe03331272c728076c93eb811a.png][]

同理，该时刻过后 的值变成了6，也就是输入第二个【1,1】过后所存下来的值，同理，输入第三个向量【2,2】，如图，细节过程不再描述，得到输出向量【32,32】：

![f05923f65ac2fe4ff0c2d5d207062eba.png][]

由此，我们得到了最终的输出序列为：

![e6256be2657957d756bab3ae37f79deb.png][]

至此，一个完整的RNN结构我们已经经历了一遍，我们注意到，每一时刻的输出结果都与上一时刻的输入有着非常大的关系，如果我们将输入序列换个顺序，那么我们得到的结果也将是截然不同，这就是RNN的特性，可以处理序列数据，同时对序列也很敏感。

## 五。什么是LSTM： ##

如果你经过上面的文章看懂了RNN的内部原理，那么LSTM对你来说就很简单了，首先大概介绍一下LSTM，是四个单词的缩写，Long short-term memory，翻译过来就是长短期记忆，是RNN的一种，比普通RNN高级（上面讲的那种），基本一般情况下说使用RNN都是使用LSTM，现在很少有人使用上面讲的那个最基础版的RNN，因为那个存在一些问题，LSTM效果好，当然会选择它了！

## **六。为什么LSTM比普通RNN效果好？** ##

这里就牵扯到梯度消失和爆炸的问题了，我简单说两句，上面那个最基础版本的RNN，我们可以看到，每一时刻的隐藏状态都不仅由该时刻的输入决定，还取决于上一时刻的隐藏层的值，如果一个句子很长，到句子末尾时，它将记不住这个句子的开头的内容详细内容，具体原因可以看我之前写的文章，如下：

[韦伟：从反向传播推导到梯度消失and爆炸的原因及解决方案（从DNN到RNN，内附详细反向传播公式推导）zhuanlan.zhihu.com![图标][f95d139095ddf080283094f88b1bfd68.png]][and_DNN_RNN_zhuanlan.zhihu.com_f95d139095ddf080283094f88b1bfd68.png]

LSTM通过它的“门控装置”有效的缓解了这个问题，这也就是为什么我们现在都在使用LSTM而非普通RNN。

## 七。揭开LSTM神秘的面纱： ##

既然前面已经说了，LSTM是RNN的一种变体，更高级的RNN，那么它的本质还是一样的，还记得RNN的特点吗，**可以有效的处理序列数据，**当然LSTM也可以，还记得RNN是如何处理有效数据的吗，是不是**每个时刻都会把隐藏层的值存下来，到下一时刻的时候再拿出来用，这样就保证了，每一时刻含有上一时刻的信息**，如图，我们把存每一时刻信息的地方叫做Memory Cell，中文就是记忆细胞，可以这么理解。

![af99ab2857f7b516181fc216118bfbe5.png][]

打个比喻吧，普通RNN就像一个乞丐，路边捡的，别人丢的，什么东西他都想要，什么东西他都不嫌弃，LSTM就像一个贵族，没有身份的东西他不要，他会精心挑选符合自己身份的物品。这是为什么呢？有没有思考过，原因很简单，乞丐没有选择权，他的能力注定他只能当一个乞丐，因此他没有挑选的权利，而贵族不一样，贵族能力比较强，经过自己的打拼，终于有了地位和身份，所以可以选择舍弃一些低档的东西，这也是能力的凸显。

**LSTM和普通RNN正是贵族和乞丐，RNN什么信息它都存下来，因为它没有挑选的能力，而LSTM不一样，它会选择性的存储信息，因为它能力强，它有门控装置，它可以尽情的选择。**如下图，普通RNN只有中间的Memory Cell用来存所有的信息，而从下图我们可以看到，LSTM多了三个Gate，也就是三个门，什么意思呢？在现实生活中，门就是用来控制进出的，门关上了，你就进不去房子了，门打开你就能进去，同理，这里的门是用来控制每一时刻信息记忆与遗忘的。

![741e3ad33981ea6a516720499ab09b6a.png][]

**依次来解释一下这三个门：**

1.  Input Gate：中文是输入门，在每一时刻从输入层输入的信息会首先经过输入门，输入门的开关会决定这一时刻是否会有信息输入到Memory Cell。
2.  Output Gate：中文是输出门，每一时刻是否有信息从Memory Cell输出取决于这一道门。
3.  Forget Gate：中文是遗忘门，每一时刻Memory Cell里的值都会经历一个是否被遗忘的过程，就是由该门控制的，如果打卡，那么将会把Memory Cell里的值清除，也就是遗忘掉。

**按照上图的顺序，信息在传递的顺序，是这样的：**

先经过输入门，看是否有信息输入，再判断遗忘门是否选择遗忘Memory Cell里的信息，最后再经过输出门，判断是否将这一时刻的信息进行输出。

## 八。LSTM内部结构： ##

抱歉最近事比较多，没有及时更新。。让我们先回顾一下之前讲了点啥，关于LSTM，我们了解了它的能力比普通RNN要强，因为它可以对输入的信息，选择性的记录或遗忘，这是因为它拥有强大的门控系统，分别是记忆门，遗忘门，和输出门，至于这三个门到底是如何工作的，如何起作用的。本节我们就来详细讲解LSTM的内部结构。

在了解LSTM的内部结构之前，我们需要先回顾一下普通RNN的结构，以免在这里很多读者被搞懵，如下：

![a797f6c6d80717f64cced63313cd6a60.png][]

我们可以看到，左边是为了简便描述RNN的工作原理而画的缩略图，右边是展开之后，每个时间点之间的流程图，**注意，我们接下来看到的LSTM的结构图，是一个时间点上的内部结构，就是整个工作流程中的其中一个时间点，也就是如下图：**

![0cc780e236c7134b508b3a831a1b224c.png][]

注意，上图是普通RNN的一个时间点的内部结构，上面已经讲过了公式和原理，LSTM的内部结构更为复杂，不过如果这么类比来学习，我认为也没有那么难。

![a6e4829af650375becc398b17ec88560.png][]

我们类比着来学习，首先看图中最中间的地方，Cell，我们上面也讲到了memory cell，也就是一个记忆存储的地方，这里就类似于普通RNN的 ，都是用来存储信息的，这里面的信息都会保存到下一时刻，其实标准的叫法应该是 ，因为这里对应神经网络里的隐藏层，所以是hidden的缩写，无论普通RNN还是LSTM其实t时刻的记忆细胞里存的信息，都应该被称为 。再看最上面的 ，是这一时刻的输出，也就是类似于普通RNN里的 。最后，我们再来看这四个 ，这四个相辅相成，才造就了中间的Memory Cell里的值，你肯恩要问普通RNN里有个 作为输入，那LSTM的输入在哪？别着急，其实这四个 都有输入向量 的参与。对了，在解释这四个分别是什么之前，我要先解释一下上图的所有这个符号，

![4ee46436ad9be1429f6ed8cb568d78ec.png][]

都代表一个激活函数，LSTM里常用的激活函数有两个，一个是tanh，一个是sigmoid。

![40438937482a99f13f7ebb7d4e03c85a.png][]

![c5f293adeb976cdf87f97ca9290bd271.png][]

其 都是在0到1之间的数值，1表示该门完全打开，0表示该门完全关闭，

[https_zhuanlan.zhihu.com_p_123211148]: https://zhuanlan.zhihu.com/p/123211148
[645dcb14378438df5cf6e6731e77ca38.png]: /images/20221014/9ccfb7376eac4bc98a3c359b62879013.png
[c4019a748567a91e3ac1b80014d86e3e.png]: /images/20221014/ab12fc112b6f401d8910ee29722c7cc4.png
[1045b71c236febda85103c9b01e22d29.png]: /images/20221014/6132553ab4f84ea69d9f74d840f98e5d.png
[3d916866269c6fa39d3736359c528b98.png]: /images/20221014/8df1f14287ff4f01b6d90fc3356d59cb.png
[05afc1622884bdb4c54f2998b7c0b37a.png]: /images/20221014/d6b27e882bd3423ab952a45f206cb3b5.png
[940ea90f80edac5e6134e09f00fd99f4.png]: /images/20221014/e76a857352d34cd78d43787fe1e339bd.png
[0f6f9ec7d49c59cf4ff560ba9d9e62ef.png]: /images/20221014/463e9034e8ec40b8bd961d679da030c8.png
[90bc5a35192ab510cce6666dfce3fc45.png]: /images/20221014/91fbd1baaebd45659c35389ba5a703eb.png
[6748cbfe03331272c728076c93eb811a.png]: /images/20221014/d5d50225c346463a98446a886d11ae17.png
[f05923f65ac2fe4ff0c2d5d207062eba.png]: /images/20221014/24b04e368af94273a61b336baf7d6ba2.png
[e6256be2657957d756bab3ae37f79deb.png]: /images/20221014/61f9d79eb1fd490ba51c95353ab8da63.png
[f95d139095ddf080283094f88b1bfd68.png]: https://img-blog.csdnimg.cn/img_convert/f95d139095ddf080283094f88b1bfd68.png
[and_DNN_RNN_zhuanlan.zhihu.com_f95d139095ddf080283094f88b1bfd68.png]: /images/20221014/b104e7a62b894cee860571b56ffa1da0.png
[af99ab2857f7b516181fc216118bfbe5.png]: /images/20221014/fbeb033cac5e40a5bce0bacdaed1e65f.png
[741e3ad33981ea6a516720499ab09b6a.png]: /images/20221014/4e4118d8305d4a47a353b6dccf8ab25e.png
[a797f6c6d80717f64cced63313cd6a60.png]: /images/20221014/380d4348ae9941f983acf719258ae181.png
[0cc780e236c7134b508b3a831a1b224c.png]: /images/20221014/2aaf7a7a27c941858f114271e2fdb156.png
[a6e4829af650375becc398b17ec88560.png]: /images/20221014/19f8074ae0024a378797d4827fa9eee0.png
[4ee46436ad9be1429f6ed8cb568d78ec.png]: /images/20221014/0110eac2f0634f5ca1aeffa923c3f941.png
[40438937482a99f13f7ebb7d4e03c85a.png]: /images/20221014/128fbf8fea924d2c8f60ecbd1c2822da.png
[c5f293adeb976cdf87f97ca9290bd271.png]: /images/20221014/3df2251b0c674b6f8db188e5cff958b3.png