【转】完全图解RNN、RNN变体、Seq2Seq、Attention机制

本文转载自&＃xff1a;https://zhuanlan.zhihu.com/p/28054589

本文主要是利用图片的形式&＃xff0c;详细地介绍了经典的RNN、RNN几个重要变体&＃xff0c;以及Seq2Seq模型、Attention机制。希望这篇文章能够提供一个全新的视角&＃xff0c;帮助初学者更好地入门。

一、从单层网络谈起

在学习RNN之前&＃xff0c;首先要了解一下最基本的单层网络&＃xff0c;它的结构如图&＃xff1a;

输入是x&＃xff0c;经过变换Wx&＃43;b和激活函数f得到输出y。相信大家对这个已经非常熟悉了。

二、经典的RNN结构&＃xff08;N vs N&＃xff09;

在实际应用中&＃xff0c;我们还会遇到很多序列形的数据&＃xff1a;

如&＃xff1a;

• 自然语言处理问题。x1可以看做是第一个单词&＃xff0c;x2可以看做是第二个单词&＃xff0c;依次类推。
• 语音处理。此时&＃xff0c;x1、x2、x3……是每帧的声音信号。
• 时间序列问题。例如每天的股票价格等等

序列形的数据就不太好用原始的神经网络处理了。为了建模序列问题&＃xff0c;RNN引入了隐状态h&＃xff08;hidden state&＃xff09;的概念&＃xff0c;h可以对序列形的数据提取特征&＃xff0c;接着再转换为输出。先从h1的计算开始看&＃xff1a;

图示中记号的含义是&＃xff1a;

• 圆圈或方块表示的是向量。
• 一个箭头就表示对该向量做一次变换。如上图中h0和x1分别有一个箭头连接&＃xff0c;就表示对h0和x1各做了一次变换。

在很多论文中也会出现类似的记号&＃xff0c;初学的时候很容易搞乱&＃xff0c;但只要把握住以上两点&＃xff0c;就可以比较轻松地理解图示背后的含义。

h2的计算和h1类似。要注意的是&＃xff0c;在计算时&＃xff0c;每一步使用的参数U、W、b都是一样的&＃xff0c;也就是说每个步骤的参数都是共享的&＃xff0c;这是RNN的重要特点&＃xff0c;一定要牢记。

依次计算剩下来的&＃xff08;使用相同的参数U、W、b&＃xff09;&＃xff1a;

我们这里为了方便起见&＃xff0c;只画出序列长度为4的情况&＃xff0c;实际上&＃xff0c;这个计算过程可以无限地持续下去。

我们目前的RNN还没有输出&＃xff0c;得到输出值的方法就是直接通过h进行计算&＃xff1a;

正如之前所说&＃xff0c;一个箭头就表示对对应的向量做一次类似于f(Wx&＃43;b)的变换&＃xff0c;这里的这个箭头就表示对h1进行一次变换&＃xff0c;得到输出y1。

剩下的输出类似进行&＃xff08;使用和y1同样的参数V和c&＃xff09;&＃xff1a;

OK&＃xff01;大功告成&＃xff01;这就是最经典的RNN结构&＃xff0c;我们像搭积木一样把它搭好了。它的输入是x1, x2, .....xn&＃xff0c;输出为y1, y2, ...yn&＃xff0c;也就是说&＃xff0c;输入和输出序列必须要是等长的。

由于这个限制的存在&＃xff0c;经典RNN的适用范围比较小&＃xff0c;但也有一些问题适合用经典的RNN结构建模&＃xff0c;如&＃xff1a;

• 计算视频中每一帧的分类标签。因为要对每一帧进行计算&＃xff0c;因此输入和输出序列等长。
• 输入为字符&＃xff0c;输出为下一个字符的概率。这就是著名的Char RNN&＃xff08;详细介绍请参考&＃xff1a;The Unreasonable Effectiveness of Recurrent Neural Networks&＃xff0c;Char RNN可以用来生成文章&＃xff0c;诗歌&＃xff0c;甚至是代码&＃xff0c;非常有意思&＃xff09;。

三、N VS 1

有的时候&＃xff0c;我们要处理的问题输入是一个序列&＃xff0c;输出是一个单独的值而不是序列&＃xff0c;应该怎样建模呢&＃xff1f;实际上&＃xff0c;我们只在最后一个h上进行输出变换就可以了&＃xff1a;

这种结构通常用来处理序列分类问题。如输入一段文字判别它所属的类别&＃xff0c;输入一个句子判断其情感倾向&＃xff0c;输入一段视频并判断它的类别等等。

四、1 VS N

输入不是序列而输出为序列的情况怎么处理&＃xff1f;我们可以只在序列开始进行输入计算&＃xff1a;

还有一种结构是把输入信息X作为每个阶段的输入&＃xff1a;

下图省略了一些X的圆圈&＃xff0c;是一个等价表示&＃xff1a;

这种1 VS N的结构可以处理的问题有&＃xff1a;

• 从图像生成文字&＃xff08;image caption&＃xff09;&＃xff0c;此时输入的X就是图像的特征&＃xff0c;而输出的y序列就是一段句子
• 从类别生成语音或音乐等

五、N vs M

下面我们来介绍RNN最重要的一个变种&＃xff1a;N vs M。这种结构又叫Encoder-Decoder模型&＃xff0c;也可以称之为Seq2Seq模型。

原始的N vs N RNN要求序列等长&＃xff0c;然而我们遇到的大部分问题序列都是不等长的&＃xff0c;如机器翻译中&＃xff0c;源语言和目标语言的句子往往并没有相同的长度。

为此&＃xff0c;Encoder-Decoder结构先将输入数据编码成一个上下文向量c&＃xff1a;

得到c有多种方式&＃xff0c;最简单的方法就是把Encoder的最后一个隐状态赋值给c&＃xff0c;还可以对最后的隐状态做一个变换得到c&＃xff0c;也可以对所有的隐状态做变换。

拿到c之后&＃xff0c;就用另一个RNN网络对其进行解码&＃xff0c;这部分RNN网络被称为Decoder。具体做法就是将c当做之前的初始状态h0输入到Decoder中&＃xff1a;

还有一种做法是将c当做每一步的输入&＃xff1a;

由于这种Encoder-Decoder结构不限制输入和输出的序列长度&＃xff0c;因此应用的范围非常广泛&＃xff0c;比如&＃xff1a;

• 机器翻译。Encoder-Decoder的最经典应用&＃xff0c;事实上这一结构就是在机器翻译领域最先提出的
• 文本摘要。输入是一段文本序列&＃xff0c;输出是这段文本序列的摘要序列。
• 阅读理解。将输入的文章和问题分别编码&＃xff0c;再对其进行解码得到问题的答案。
• 语音识别。输入是语音信号序列&＃xff0c;输出是文字序列。
• …………

六、Attention机制

在Encoder-Decoder结构中&＃xff0c;Encoder把所有的输入序列都编码成一个统一的语义特征c再解码&＃xff0c;因此&＃xff0c; c中必须包含原始序列中的所有信息&＃xff0c;它的长度就成了限制模型性能的瓶颈。如机器翻译问题&＃xff0c;当要翻译的句子较长时&＃xff0c;一个c可能存不下那么多信息&＃xff0c;就会造成翻译精度的下降。

Attention机制通过在每个时间输入不同的c来解决这个问题&＃xff0c;下图是带有Attention机制的Decoder&＃xff1a;

每一个c会自动去选取与当前所要输出的y最合适的上下文信息。具体来说&＃xff0c;我们用 

输入的序列是“我爱中国”&＃xff0c;因此&＃xff0c;Encoder中的h1、h2、h3、h4就可以分别看做是“我”、“爱”、“中”、“国”所代表的信息。在翻译成英语时&＃xff0c;第一个上下文c1应该和“我”这个字最相关&＃xff0c;因此对应的 

以上就是带有Attention的Encoder-Decoder模型计算的全过程。

七、总结