| Pytorch实现LSTM和GRU | 您所在的位置：网站首页 › lstm gru › Pytorch实现LSTM和GRU |
Pytorch实现LSTM和GRU
|
为了解决传统RNN无法长时依赖问题，RNN的两个变体LSTM和GRU被引入。 LSTMLong Short Term Memory，称为长短期记忆网络，意思就是长的短时记忆，其解决的仍然是短时记忆问题，这种短时记忆比较长，能一定程度上解决长时依赖。
GRU是Gated Recurrent Unit的缩写，与LSTM最大的不同之处在于GRU将遗忘门和输入门合成一个“更新门”，同时网络不再额外给出记忆状态
C
t
C_{t}
Ct，而是将输出结果
h
t
h_{t}
ht作为记忆状态不断向后传递，网络的输入和输出都简化。 在Pytorch中使用nn.LSTM()可调用，参数和RNN的参数相同。具体介绍LSTM的输入和输出： 输入： input, (h_0, c_0) input：输入数据with维度(seq_len,batch,input_size)h_0:维度为(num_layers*num_directions,batch,hidden_size),在batch中的 初始的隐藏状态.c_0:初始的单元状态，维度与h_0相同输出：output, (h_n, c_n) output：维度为(seq_len, batch, num_directions * hidden_size)。h_n：最后时刻的输出隐藏状态，维度为 (num_layers * num_directions, batch, hidden_size)c_n:最后时刻的输出单元状态，维度与h_n相同。LSTM的变量： LSTM.weight_ih_l[k]：表示第 k k k层 ( W i i , W i f , W i g , W i o ) (W_{ii},W_{if},W_{ig},W_{io}) (Wii,Wif,Wig,Wio)的input-hidden权重。如果k=0，表示第0层维度为(4*hidden_size, input_size),其他层的维度为(4 * hidden_size, num_directions * hidden_size)，接收第k−1层传来的hidden特征。LSTM.weight_hh_l[k]: 表示第 k k k层 ( W h i , W h f , W h g , W h o ) (W_{hi},W_{hf},W_{hg},W_{ho}) (Whi,Whf,Whg,Who)的hidden-hidden权重。维度为(4*hidden_size, hidden_size)LSTM.bias_ih_l[k]：对应偏置，(4*hidden_size)LSTM.bias_hh_l[k]：对应偏置，(4*hidden_size) 以MNIST分类为例实现LSTM分类MNIST图片大小为28×28，可以将每张图片看做是长为28的序列，序列中每个元素的特征维度为28。将最后输出的隐藏状态 h T h_{T} hT作为抽象的隐藏特征输入到全连接层进行分类。最后输出的 导入头文件： import torch import torch.nn as nn import torch.optim as optim import torchvision from torchvision import transforms class Rnn(nn.Module): def __init__(self, in_dim, hidden_dim, n_layer, n_classes): super(Rnn, self).__init__() self.n_layer = n_layer self.hidden_dim = hidden_dim self.lstm = nn.LSTM(in_dim, hidden_dim, n_layer, batch_first=True) self.classifier = nn.Linear(hidden_dim, n_classes) def forward(self, x): out, (h_n, c_n) = self.lstm(x) # 此时可以从out中获得最终输出的状态h # x = out[:, -1, :] x = h_n[-1, :, :] x = self.classifier(x) return x训练和测试代码： transform = transforms.Compose([ transforms.ToTensor(), transforms.Normalize([0.5], [0.5]), ]) trainset = torchvision.datasets.MNIST(root='./data', train=True, download=True, transform=transform) trainloader = torch.utils.data.DataLoader(trainset, batch_size=128, shuffle=True) testset = torchvision.datasets.MNIST(root='./data', train=False, download=True, transform=transform) testloader = torch.utils.data.DataLoader(testset, batch_size=100, shuffle=False) net = Rnn(28, 10, 2, 10) net = net.to('cpu') criterion = nn.CrossEntropyLoss() optimizer = optim.SGD(net.parameters(), lr=0.1, momentum=0.9) # Training def train(epoch): print('\nEpoch: %d' % epoch) net.train() train_loss = 0 correct = 0 total = 0 for batch_idx, (inputs, targets) in enumerate(trainloader): inputs, targets = inputs.to('cpu'), targets.to('cpu') optimizer.zero_grad() outputs = net(torch.squeeze(inputs, 1)) loss = criterion(outputs, targets) loss.backward() optimizer.step() train_loss += loss.item() _, predicted = outputs.max(1) total += targets.size(0) correct += predicted.eq(targets).sum().item() print(batch_idx, len(trainloader), 'Loss: %.3f | Acc: %.3f%% (%d/%d)' % (train_loss/(batch_idx+1), 100.*correct/total, correct, total)) def test(epoch): global best_acc net.eval() test_loss = 0 correct = 0 total = 0 with torch.no_grad(): for batch_idx, (inputs, targets) in enumerate(testloader): inputs, targets = inputs.to('cpu'), targets.to('cpu') outputs = net(torch.squeeze(inputs, 1)) loss = criterion(outputs, targets) test_loss += loss.item() _, predicted = outputs.max(1) total += targets.size(0) correct += predicted.eq(targets).sum().item() print(batch_idx, len(testloader), 'Loss: %.3f | Acc: %.3f%% (%d/%d)' % (test_loss/(batch_idx+1), 100.*correct/total, correct, total)) for epoch in range(200): train(epoch) test(epoch) |
上图为LSTM的抽象结构，LSTM由3个门来控制，分别是输入门、遗忘门和输出门。输入门控制网络的输入，遗忘门控制着记忆单元，输出门控制着网络的输出。最为重要的就是遗忘门，可以决定哪些记忆被保留，由于遗忘门的作用，使得LSTM具有长时记忆的功能。对于给定的任务，遗忘门能够自主学习保留多少之前的记忆，网络能够自主学习。 具体看LSTM单元的内部结构： 
将t-1时刻的网络输出
h
t
−
1
h_{t-1}
ht−1和当前输入的
x
t
x_{t}
xt线性变换后相加结合起来，再经过sigmoid激活函数将结果映射到(0,1)作为衰减系数，视为
C
t
−
1
C_{t-1}
Ct−1记忆的衰减系数，记作
f
t
f_{t}
ft，称为遗忘门：
f
t
=
σ
(
W
i
f
x
t
+
b
i
f
+
W
h
f
h
t
−
1
+
b
h
f
)
f_{t}=\sigma(W_{if}x_{t}+b_{if}+W_{hf}h_{t-1}+b_{hf})
ft=σ(Wifxt+bif+Whfht−1+bhf) 
i
t
i_{t}
it与
f
t
f_{t}
ft的计算方式类似，作为当前记忆的衰减系数，称为输入门：
i
t
=
σ
(
W
i
i
x
t
+
b
i
i
+
W
h
i
h
t
−
1
+
b
h
i
)
i_{t}=\sigma(W_{ii}x_{t}+b_{ii}+W_{hi}h_{t-1}+b_{hi})
it=σ(Wiixt+bii+Whiht−1+bhi) 当前时刻
t
t
t学习到的状态为
C
t
~
\tilde{C_{t}}
Ct~
C
t
~
=
tanh
(
W
i
g
x
t
+
b
i
g
+
W
h
g
h
t
−
1
+
b
h
g
)
\tilde{C_{t}}=\tanh(W_{ig}x_{t}+b_{ig}+W_{hg}h_{t-1}+b_{hg})
Ct~=tanh(Wigxt+big+Whght−1+bhg)
真正输出的状态
C
t
C_{t}
Ct为
C
t
−
1
C_{t-1}
Ct−1和
C
t
~
\tilde{C_{t}}
Ct~的衰减之和：
C
t
=
f
t
C
t
−
1
+
i
t
C
t
~
C_{t}=f_{t}C_{t-1}+i_{t}\tilde{C_{t}}
Ct=ftCt−1+itCt~ 
o
t
o_{t}
ot可作为输出门的记忆衰减系数，称为输出门：：
o
t
=
σ
(
W
i
o
x
t
+
b
i
o
+
W
h
o
h
t
−
1
+
b
h
o
)
o_{t}=\sigma(W_{io}x_{t}+b_{io}+W_{ho}h_{t-1}+b_{ho})
ot=σ(Wioxt+bio+Whoht−1+bho) 计算网络输出
h
t
h_{t}
ht：
h
t
=
o
t
∗
tanh
(
C
t
)
h_{t}=o_{t}*\tanh(C_{t})
ht=ot∗tanh(Ct) 在每篇文章中，作者都会使用和标准LSTM稍微不同的版本，针对特定的任务，特定的网络结构往往表现更好。
U
p
d
a
t
e
G
a
t
e
:
z
t
=
σ
(
W
z
h
h
t
−
1
+
W
z
x
x
t
)
R
e
s
e
t
G
a
t
e
:
r
t
=
σ
(
W
r
h
h
t
−
1
+
W
r
x
x
t
)
h
t
~
=
tanh
(
W
h
h
(
r
t
∗
h
t
−
1
)
+
W
h
x
x
t
)
h
t
=
(
1
−
z
t
)
∗
h
t
−
1
+
z
t
∗
h
t
~
Update\ Gate:z_{t}=\sigma(W_{zh}h_{t-1}+W_{zx}x_{t})\\ Reset\ Gate:r_{t}=\sigma(W_{rh}h_{t-1}+W_{rx}x_{t})\\ \tilde{h_{t}}=\tanh(W_{hh}(r_{t}* h_{t-1})+W_{hx}x_{t})\\ h_{t}=(1-z_{t})*h_{t-1}+z_{t}*\tilde{h_{t}}
Update Gate:zt=σ(Wzhht−1+Wzxxt)Reset Gate:rt=σ(Wrhht−1+Wrxxt)ht~=tanh(Whh(rt∗ht−1)+Whxxt)ht=(1−zt)∗ht−1+zt∗ht~ 上述的过程的线性变换没有使用偏置。隐藏状态参数不再是标准RNN的4倍，而是3倍，也就是GRU的参数要比LSTM的参数量要少，但是性能差不多。【本文地址】