深度学习：循环神经网络RNN

柔光的暖阳◎ 2022-06-09 09:10 347阅读 0赞

http://[blog.csdn.net/pipisorry/article/details/77776743][blog.csdn.net_pipisorry_article_details_77776743]

# RNN模型 #

循环神经网络（recurrent neural network，RNN）是一种具有反馈结构的神经网络，其输出不但与当前输入和网络的权值有关，而且也与之前网络的输入有关；RNN通过添加跨越时间点的自连接隐藏层，对时间进行建模；换句话说，隐藏层的反馈，不仅仅进入输出端，而且还进入了下一时间的隐藏层。 一般的RNNs有多个FNN横向连接而成，其中中间有个rnn-cell, 存储的是前面序列的隐含状态s。 分解开来的话， 就相当于三层，第一层是输入x到rnn-cell的连接，第二层是rnn-cell,得到的是隐藏状态s，第三层是rnn-cell到输出o的连接层。

RNNs 主要处理时序数据，比如一句话，词与词之间都是有顺序的，因此经常用在NLP领域，比如机器翻译，情感分析等。

Note: 还有一种网络叫递归神经网络recussive neural network，应用不广。

RNN和浅层前馈神经网络的区别和联系：shallow feedforward neural networks (those with just one hidden layer) can only cluster similar words, recurrent neural network (which can be considered as a deep architecture \[5\]) can perform clustering of similar histories. \[Mikolov, Tomáš, et al. "Extensions of recurrent neural network language model." ICASSP 2011\]

RNN和CNN在参数共享上的区别和联系：recurrent networks can be seen as imposing weight-sharing across layers, which makes them inflexible and difficult to learn due to vanishing gradient.  convolutional networks enjoy the flexibility of not having weight-sharing, at the expense of having redundant parameters when the networks are deep.

### RNN处理序列 ###

**序列**。普通神经网络和卷积神经网络的一个显而易见的局限就是他们的API都过于限制：他们接收一个固定尺寸的向量作为输入（比如一张图像），并且产生一个固定尺寸的向量作为输出（比如针对不同分类的概率）。不仅如此，这些模型甚至对于上述映射的演算操作的步骤也是固定的（比如模型中的层数）。RNN之所以如此让人兴奋，其核心原因在于其允许我们对向量的序列进行操作：输入可以是序列，输出也可以是序列，在最一般化的情况下输入输出都可以是序列。

下面是一些直观的例子：

![Center][]

上图中每个正方形代表一个向量，箭头代表函数（比如矩阵乘法）。输入向量是红色，输出向量是蓝色，绿色向量装的是RNN的状态。从左至右为：

1.  非RNN的普通过程，从固定尺寸的输入到固定尺寸的输出（比如图像分类）。
2.  输出是序列（例如图像标注：输入是一张图像，输出是单词的序列）。
3.  输入是序列（例如情绪分析：输入是一个句子，输出是对句子属于正面还是负面情绪的分类）。
4.  输入输出都是序列（比如机器翻译：RNN输入一个英文句子输出一个法文句子）。
5.  同步的输入输出序列（比如视频分类中，我们将对视频的每一帧都打标签）。

注意在每个案例中都没有对序列的长度做出预先规定，这是因为循环变换（绿色部分）是固定的，我们想用几次就用几次。

相较于那些从一开始连计算步骤的都定下的固定网络，序列体制的操作要强大得多，并且对于那些和我们一样希望构建一个更加智能的系统的人来说，这样的网络也更有吸引力。RNN将其输入向量、状态向量和一个固定（可学习的）函数结合起来生成一个新的状态向量。在程序的语境中，这可以理解为运行一个具有某些输入和内部变量的固定程序。从这个角度看，RNN本质上就是在描述程序。实际上RNN是具备[图灵完备性][Link 1]的，只要有合适的权重，它们可以模拟任意的程序。然而就像神经网络的通用近似理论一样。如果训练普通神经网络是对函数做最优化，那么训练循环网络就是针对程序做最优化。

无序列也能进行序列化处理：将序列作为输入或输出的情况是相对少见的，但是即使输入或输出是固定尺寸的向量，依然可以使用这个强大的形式体系以序列化的方式对它们进行处理。

### RNN与语言模型 ###

RNN是在自然语言处理领域中最先被用起来的，比如，RNN可以为语言模型来建模。

什么是语言模型呢？

我们可以和电脑玩一个游戏，我们写出一个句子前面的一些词，然后，让电脑帮我们写下接下来的一个词。比如下面这句：

> 我昨天上学迟到了，老师批评了\_\_\_\_。

我们给电脑展示了这句话前面这些词，然后，让电脑写下接下来的一个词。在这个例子中，接下来的这个词最有可能是『我』，而不太可能是『小明』，甚至是『吃饭』。

语言模型就是这样的东西：给定一个一句话前面的部分，预测接下来最有可能的一个词是什么。

语言模型是对一种语言的特征进行建模，它有很多很多用处。比如在语音转文本(STT)的应用中，声学模型输出的结果，往往是若干个可能的候选词，这时候就需要语言模型来从这些候选词中选择一个最可能的。当然，它同样也可以用在图像到文本的识别中(OCR)。

使用RNN之前，语言模型主要是采用N-Gram。N可以是一个自然数，比如2或者3。它的含义是，假设一个词出现的概率只与前面N个词相关。我们以2-Gram为例。首先，对前面的一句话进行切词：

> 我 昨天 上学 迟到 了 ，老师 批评 了 \_\_\_\_。

如果用2-Gram进行建模，那么电脑在预测的时候，只会看到前面的『了』，然后，电脑会在语料库中，搜索『了』后面最可能的一个词。不管最后电脑选的是不是『我』，我们都知道这个模型是不靠谱的，因为『了』前面说了那么一大堆实际上是没有用到的。如果是3-Gram模型呢，会搜索『批评了』后面最可能的词，感觉上比2-Gram靠谱了不少，但还是远远不够的。因为这句话最关键的信息『我』，远在9个词之前！现在读者可能会想，可以提升继续提升N的值呀，比如4-Gram、5-Gram.......。实际上，这个想法是没有实用性的。因为我们想处理任意长度的句子，N设为多少都不合适；另外，模型的大小和N的关系是指数级的，4-Gram模型就会占用海量的存储空间。

所以，该轮到RNN出场了，RNN理论上可以往前看(往后看)任意多个词。In conventional language models, context is represented by n-grams, so these models condition on a fixed number of preceding words. 所以说RNN相对n-grams模型要好些。

# RNN网络结构 #

作为对比：一般化的多层多类输出的神经网络

![7737817d15d0a8336d8849cacaf0a780.png][]                               ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly95b3V6aXBpLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70][]

全连接神经网络隐藏层的值只取决于输入的 x。

简单的RNN网络结构如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly95b3V6aXBpLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 1][]

其中，t 是时刻， x 是输入层， s 是隐藏层， o 是输出层，矩阵 W 就是隐藏层上一次的值作为这一次的输入的权重。在RNN中，x\_t-1 , x\_t, x\_t+1 是在时序上不一样的输入，而 V， U， W 三个矩阵则是共享。同时RNN网络中保存了自己的状态S，S随着输入而改变， 不同的输入/不同时刻的输入或多或少影响RNN网络的状态S，而RNN网络的状态S则决定最后的输出。

RNN 的隐藏层的值 s 不仅仅取决于当前这次的输入 x，还取决于上一次隐藏层的值 s。RNN输出层是一个全连接层，它的每个节点都和隐藏层的每个节点相连，隐藏层是循环层。\[wiki：[https://en.wikipedia.org/wiki/Recurrent\_neural\_network\#Gated\_recurrent\_unit][https_en.wikipedia.org_wiki_Recurrent_neural_network_Gated_recurrent_unit]\]

Note: RNN图中的每个y或者o就是隐层的rnn cell（也就是神经网络中的cell加了对应的相同cell的上一个状态），而在lstm中y就被替换成了lstm cell了，而每一个lstm cell就是lstm中复杂的图。Elman and Jordan networks are also known as "simple recurrent networks" (SRN).

动态跨时间步的rnn网络通过两个时间步来展开，将连接以无环的形式可视化：RNN通过添加跨越时间点的自连接隐藏层，对时间进行建模；换句话说，隐藏层的反馈，不仅仅进入输出端，而且还进入了下一时间的隐藏层，网络结构如下：

![Center 1][]

以上的网络可以通过两个时间步来展开，将连接以无环的形式可视化：

![Center 2][]

Note：

1 循环网络有时被描述为深度网络，其深度不仅仅发生在输入和输出之间，而且还发生在跨时间步，每个时间步可以被认为是一个层；

2 权重（从输入到隐藏和隐藏到输出）在每个时间步是相同的，时间步的个数即句子的长度；(lz：所有时间步（序列输入）完成后才进行参数更新。那么batch方法是干嘛呢：是说每个时间步连续输入一个batch\_size大小的词组，从而得到两个相加的输出，每个时间步都是如此，整个句子输入完成后就可以通过batch后的输出进行w更新了。从这里看，batch方法应该不适用于句子长度不一样的场景，这样你可以将句子padding成相同长度)

一般来说，每一时间的输入和输出是不一样的，比如对于序列数据就是将序列项依次传入，每个序列项再对应不同的输出（比如可以是下一个序列项，即预测后面的状态），如encoder-decoder模型中decoder预测时。

\[[rnn训练方法数据输入方式][rnn]\]

[某小皮][Link 2]

# RNN的训练和学习 #

## RNN前向传播 ##

前向传播（Forward Propagation）就是依次按照时间的顺序计算一次就好了。

公式展开表示

![这里写图片描述][20150725162914421]

Note: 公式1表示输出层；公式2、3表示隐层。  
其中a表示汇集计算的值（未激活值），b表示经过激活函数计算的值（激活值，也就是神经网络中的激活值z），w是不同节点之间连接的参数（具体谁连谁看下标），带下标k的是输出层，带下标h的是隐藏层相关的，所有带括号的的函数都是激活函数， ϵ 和 δ 的定义看公式，L 是最后的Loss function。

这里没有给出具体的计算方法，因为这和NN是一样的，可以看到输出层和普通的NN是完全一样的，接收隐藏层传入的数据并乘以参数求和，只是每一个计算出来的值都有个时间上标t，表示它是t时刻的那个节点。而隐藏层的计算就是和NN不同的地方，从之前的拓扑图也看到了，隐藏层会接受来自上一时间隐藏层传入的数据，在公式里也体现出来了：第一个求和是和NN一致的，接收来自输入层的数据，第二个是接收来自上一隐藏层的数据。\[Alex的论文\]

矩阵表示

![20190506110826562.png][]

或者（RNN前向传播）

![Center 3][]隐层

![Center 4][]输出层，lz即  p(x\_t+1 | x\_<=t)  =  p(x\_t+1 | h\_t)

### 最大似然解法 ###

![Center 5][]

\[[seq2seq模型 ][seq2seq_]\]

## RNN反向传播：BPTT算法 ##

RNN的模型训练：RNN可以按时间展开，从而进行前向以及后向计算，从而可以将传统的BP算法应用于RNN模型的训练，由于是按照时间展开的BP算法，所以术语就叫做BPTT（backpropagation through time）；反向传播（Back Propagation）就是从最后一个时间将累积的残差传递回来即可（lz：也就是说所有时间步完成后（即一个序列输入完成）才进行参数更新），跟普通的神经网络训练并没有本质上的不同。

Backpropagation through time (BPTT) 参考文献

\[D. E. Rumelhart, G. E. Hinton, R. J. Williams. 1986. Learning internal representations by back-propagating errors. Nature, 323:533.536.\]

Additional information and practical advices for implementation of BPTT algorithm are described in \[Mikael Bodén. A Guide to Recurrent Neural Networks and Backpropagation. In the Dallas project, 2002.\].

BPTT算法是针对循环层的训练算法，它的基本原理和BP算法是一样的，也包含同样的三个步骤：

1.  前向计算每个神经元的输出值；
2.  反向计算每个神经元的误差项值，它是误差函数E对神经元j的加权输入的偏导数；
3.  计算每个权重的梯度。

最后再用随机梯度下降算法更新权重。

![这里写图片描述][20150725152658047]  
        这里主要给出的是计算隐藏层的累积残差的公式，因为输出层和经典的NN是一回事，可以看到第一个公式括号中的两个部分，一个是接收当前时间输出层传回的残差，第二个是接收下一时间隐藏层传回的残差。

\[训练过程详解[详解循环神经网络][Link 3](Recurrent Neural Network)\] \[[零基础入门深度学习(5) - 循环神经网络][5_ -]\]\*

### RNN的BPTT推导 ###

![Center 6][]

lz: 看出delta^t和delta^t+1相关，所以可以将序列反向输入，将delta^t+1改为delta^t-1达到更好的效果？

# 几个RNN网络的问题 #

### BPTT训练RNN的缺陷：梯度弥散 ###

然而用BPTT训练RNN具有一个致命的缺陷，就是梯度弥散问题，下面为了分析简便，只考虑一个输入节点，一个隐藏节点以及一个输出节点的网络，如下图1，按时间展开为图2：

![Center 7][]

图1                                                                       图2

假设只考虑从时间节点t1到时间节点t2之间的序列，在节点t1给一个输入，t1与t2之间的节点输入都为0；那么节点t1的输入传到了节点t2时的输出随着t2-t1的增大而指数下降；与此同时，下降的速度也与时间点之间的传输权重以及激活函数有关；因此RNN并不能保持长时间的上下文信息；因此为了保存长时间的上下文信息，LSTM出现。

\[[RNN的梯度爆炸和消失问题][RNN]\]

### 为什么循环神经网络可以往前看任意多个输入值呢？ ###

来看下面的公式，即 RNN 的输出层 o 和 隐藏层 s 的计算方法：

![20190506110424401.png][]

如果反复把式 2 带入到式 1，将得到：

![20190506110438169.png][]

这就是原因。

### RNN LSTM 网络参数问题 ###

在NLP任务中，词向量维度（embedding size）是否一定要等于LSTM隐藏层节点数（hidden size）？

单层LSTM不必，可以通过设置不同shape的weight和bias来实现（lz:x前面的w设置成\[e,h\]，h前面的w仍设置成\[h,h\]）；多层LSTM的embedding size实际上也不必等于hidden size（lz:第一层与后续层数设置为不同，后续层x前面的w设置成\[h,h\]）。

pytorch中是lstm设置多层时，是不需要相等的。

但在Tensorflow实现多层LSTM时，使用的函数tf.contrib.rnn.MultiRNNcell（）会自动将累加的LSTM的参数设为相同的shape，或者说，是模块化的直接累加LSTM层数。这样得来的多层LSTM网络，其参数weight和bias的shape都是相同的，所以当设置不同的embedding size和hidden size时会报错，更改为相同值时error消失。

\[[RNN LSTM 网络参数问题][RNN LSTM]\]

### RNN参数数量 ###

(embed\_dim+hidden\_units)\*hidden\_units+hidden\_units

\[参考lstm中参数数量计算[https://youzipi.blog.csdn.net/article/details/78361778][https_youzipi.blog.csdn.net_article_details_78361778]\]

## RNN示例和应用 ##

### 文本生成示例 ###

**温度**。在生成文本的时候，我们可以调节Softmax的温度。将温度从1降到更低的数值（比如0.5）可以让RNN更加自信的同时变得更加保守。相反，如果将温度设置的更高，结果会更加多样化，但是代价就是可能会出现错误（比如更多的拼写错误）。

\[[循环神经网络惊人的有效性][Link 4]（上）: 字母级别的语言模型\]

\[[循环神经网络惊人的有效性][Link 5]（下）:RNN中的预测与神经元激活可视化\]

\[[The Unreasonable Effectiveness of Recurrent Neural Networks][]\]

\[基于字符粒度的RNN让机器学会自己生成文本1. [https://github.com/karpathy/char-rnn][https_github.com_karpathy_char-rnn] 2. [https://github.com/crazydonkey200/tensorflow-char-rnn][https_github.com_crazydonkey200_tensorflow-char-rnn]\]

### 基于 RNN 的语言模型例子 ###

\[[详解循环神经网络][Link 3](Recurrent Neural Network)\]

\[[零基础入门深度学习(5) - 循环神经网络][5_ -]:RNN的应用举例——基于RNN的语言模型\]\*

from: [http://blog.csdn.net/pipisorry/article/details/77776743][blog.csdn.net_pipisorry_article_details_77776743]

ref: \[Zachary C. Lipton：[A Critical Review of Recurrent Neural Networks for Sequence Learning][]\]\*

\[[零基础入门深度学习(5) - 循环神经网络][5_ -]\]\*

\[[RNN以及LSTM的介绍和公式梳理 ][RNN_LSTM_]\]\*

\[[RNN模型][RNN 1]\]

[blog.csdn.net_pipisorry_article_details_77776743]: http://blog.csdn.net/pipisorry/article/details/77776743
[Center]: /images/20220609/37600a06eb91409f952d9334adb50d93.png
[Link 1]: http://link.zhihu.com/?target=http%3A//binds.cs.umass.edu/papers/1995_Siegelmann_Science.pdf
[7737817d15d0a8336d8849cacaf0a780.png]: https://img-blog.csdnimg.cn/img_convert/7737817d15d0a8336d8849cacaf0a780.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly95b3V6aXBpLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70]: /images/20220609/8d93fd6b20054dbfa59ac928bf32a434.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly95b3V6aXBpLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 1]: /images/20220609/52fc58ebf6d846a89c54413b0b35f10e.png
[https_en.wikipedia.org_wiki_Recurrent_neural_network_Gated_recurrent_unit]: https://en.wikipedia.org/wiki/Recurrent_neural_network#Gated_recurrent_unit
[Center 1]: /images/20220609/1c940ee6d3ab4bacbb754cba5a88e4f6.png
[Center 2]: /images/20220609/09bb856853594a86932cec2e52ccf149.png
[rnn]: https://www.guru99.com/rnn-tutorial.html
[Link 2]: http://my.csdn.net/
[20150725162914421]: /images/20220609/aa375cd5ae9d4949aa9758d179fd75ec.png
[20190506110826562.png]: /images/20220609/2fc822420f1d4d5a957b0ca7aeda3519.png
[Center 3]: /images/20220609/34304a1996204d8ba117986da6bc6103.png
[Center 4]: /images/20220609/7c2e2508de604602b02d9acbe6a7536e.png
[Center 5]: /images/20220609/618fd60e5e5647f98b09d7cc777c74dc.png
[seq2seq_]: http://blog.csdn.net/sunlylorn/article/details/50607376
[20150725152658047]: /images/20220609/4a2eab08a824424dbf0470570c614618.png
[Link 3]: http://www.jianshu.com/p/39a99c88a565
[5_ -]: https://zybuluo.com/hanbingtao/note/541458
[Center 6]: /images/20220609/e3595800311046f0b6437c77c768ac2a.png
[Center 7]: /images/20220609/837cff4ab96f461981237dd9d6f72aae.png
[RNN]: https://blog.csdn.net/pipisorry/article/details/71877840
[20190506110424401.png]: /images/20220609/2d84483de1164f138a7e9f758a6d8465.png
[20190506110438169.png]: /images/20220609/909709eb4ea74bdb9ba2030f12ca374a.png
[RNN LSTM]: https://blog.csdn.net/pnnngchg/article/details/84451037
[https_youzipi.blog.csdn.net_article_details_78361778]: https://youzipi.blog.csdn.net/article/details/78361778
[Link 4]: https://zhuanlan.zhihu.com/p/22107715
[Link 5]: https://zhuanlan.zhihu.com/p/22230074
[The Unreasonable Effectiveness of Recurrent Neural Networks]: http://karpathy.github.io/2015/05/21/rnn-effectiveness/
[https_github.com_karpathy_char-rnn]: https://github.com/karpathy/char-rnn
[https_github.com_crazydonkey200_tensorflow-char-rnn]: https://github.com/crazydonkey200/tensorflow-char-rnn
[A Critical Review of Recurrent Neural Networks for Sequence Learning]: http://arxiv.org/pdf/1506.00019v2.pdf
[RNN_LSTM_]: http://blog.csdn.net/dark_scope/article/details/47056361
[RNN 1]: http://blog.csdn.net/dream_catcher_10/article/details/48462815