详解 LSTM
今天的内容有:
- LSTM 思路
- LSTM 的前向计算
- LSTM 的反向传播
- 关于调参
LSTM
长短时记忆网络(Long Short Term Memory Network, LSTM),是一种改进之后的循环神经网络,可以解决RNN无法处理长距离的依赖的问题,目前比较流行。
长短时记忆网络的思路:
原始 RNN 的隐藏层只有一个状态,即h,它对于短期的输入非常敏感。 再增加一个状态,即c,让它来保存长期的状态,称为单元状态(cell state)。
把上图按照时间维度展开:
在 t 时刻,LSTM 的输入有三个:当前时刻网络的输入值 x_t
、上一时刻 LSTM 的输出值 h_t-1
、以及上一时刻的单元状态 c_t-1
;
LSTM 的输出有两个:当前时刻 LSTM 输出值 h_t
、和当前时刻的单元状态 c_t
.
关键问题是:怎样控制长期状态 c ?
方法是:使用三个控制开关
第一个开关,负责控制继续保存长期状态c; 第二个开关,负责控制把即时状态输入到长期状态c; 第三个开关,负责控制是否把长期状态c作为当前的LSTM的输出。
如何在算法中实现这三个开关?
方法:用 门(gate)
定义:gate 实际上就是一层全连接层,输入是一个向量,输出是一个 0到1 之间的实数向量。 公式为:
回忆一下它的样子:
gate 如何进行控制?
方法:用门的输出向量按元素乘以我们需要控制的那个向量 原理:门的输出是 0到1 之间的实数向量, 当门输出为 0 时,任何向量与之相乘都会得到 0 向量,这就相当于什么都不能通过; 输出为 1 时,任何向量与之相乘都不会有任何改变,这就相当于什么都可以通过。
LSTM 前向计算
在 LSTM-1 中提到了,模型是通过使用三个控制开关来控制长期状态 c 的:
这些开关就是用门(gate)来实现:
接下来具体看这三重门
LSTM 的前向计算:
一共有 6 个公式
遗忘门(forget gate)
它决定了上一时刻的单元状态 c_t-1
有多少保留到当前时刻 c_t
输入门(input gate)
它决定了当前时刻网络的输入 x_t
有多少保存到单元状态 c_t
输出门(output gate)
控制单元状态 c_t
有多少输出到 LSTM 的当前输出值 h_t
遗忘门的计算为:
forget
遗忘门的计算公式中:
W_f
是遗忘门的权重矩阵,[h_t-1, x_t]
表示把两个向量连接成一个更长的向量,b_f
是遗忘门的偏置项,σ
是 sigmoid 函数。
输入门的计算:
input
根据上一次的输出和本次输入来计算当前输入的单元状态:
当前输入的单元状态c_t
当前时刻的单元状态 c_t
的计算:由上一次的单元状态 c_t-1
按元素乘以遗忘门 f_t
,再用当前输入的单元状态 c_t
按元素乘以输入门 i_t
,再将两个积加和:
这样,就可以把当前的记忆 c_t
和长期的记忆 c_t-1
组合在一起,形成了新的单元状态 c_t
。
由于遗忘门的控制,它可以保存很久很久之前的信息,由于输入门的控制,它又可以避免当前无关紧要的内容进入记忆。
当前时刻的单元状态c_t
输出门的计算:
output
LSTM 的反向传播训练算法
主要有三步:
1. 前向计算每个神经元的输出值,一共有 5 个变量,计算方法就是前一部分:
2. 反向计算每个神经元的误差项值。与 RNN 一样,LSTM 误差项的反向传播也是包括两个方向: 一个是沿时间的反向传播,即从当前 t 时刻开始,计算每个时刻的误差项; 一个是将误差项向上一层传播。
3. 根据相应的误差项,计算每个权重的梯度。
gate 的激活函数定义为 sigmoid 函数,输出的激活函数为 tanh 函数,导数分别为:
具体推导公式为:
具体推导公式为:
目标是要学习 8 组参数,如下图所示:
又权重矩阵 W 都是由两个矩阵拼接而成,这两部分在反向传播中使用不同的公式,因此在后续的推导中,权重矩阵也要被写为分开的两个矩阵。
接着就来求两个方向的误差,和一个梯度计算。 这个公式推导过程在本文的学习资料中有比较详细的介绍,大家可以去看原文: https://zybuluo.com/hanbingtao/note/581764
1. 误差项沿时间的反向传递:
定义 t 时刻的误差项:
目的是要计算出 t-1 时刻的误差项:
利用 h_t c_t 的定义,和全导数公式,可以得到 将误差项向前传递到任意k时刻的公式:
2. 将误差项传递到上一层的公式:
3. 权重梯度的计算:
以上就是 LSTM 的训练算法的全部公式。
关于它的 Tuning 有下面几个建议:
来自 LSTM Hyperparameter Tuning: https://deeplearning4j.org/lstm
还有一个用 LSTM 做 text_generation 的例子
https://github.com/fchollet/keras/blob/master/examples/lstm_text_generation.py
学习资料: https://zybuluo.com/hanbingtao/note/581764
- JavaScript 教程
- JavaScript 编辑工具
- JavaScript 与HTML
- JavaScript 与Java
- JavaScript 数据结构
- JavaScript 基本数据类型
- JavaScript 特殊数据类型
- JavaScript 运算符
- JavaScript typeof 运算符
- JavaScript 表达式
- JavaScript 类型转换
- JavaScript 基本语法
- JavaScript 注释
- Javascript 基本处理流程
- Javascript 选择结构
- Javascript if 语句
- Javascript if 语句的嵌套
- Javascript switch 语句
- Javascript 循环结构
- Javascript 循环结构实例
- Javascript 跳转语句
- Javascript 控制语句总结
- Javascript 函数介绍
- Javascript 函数的定义
- Javascript 函数调用
- Javascript 几种特殊的函数
- JavaScript 内置函数简介
- Javascript eval() 函数
- Javascript isFinite() 函数
- Javascript isNaN() 函数
- parseInt() 与 parseFloat()
- escape() 与 unescape()
- Javascript 字符串介绍
- Javascript length属性
- javascript 字符串函数
- Javascript 日期对象简介
- Javascript 日期对象用途
- Date 对象属性和方法
- Javascript 数组是什么
- Javascript 创建数组
- Javascript 数组赋值与取值
- Javascript 数组属性和方法
- Vue监听文本框实时输入限制输入长度
- 30 分钟轻松搞定正则表达式基础
- Vant引入CDN实现图片懒加载
- Js时间戳倒计时天时分秒
- 微信小程序引用we-cropper裁切图片
- NodeJs获取get/post传值
- Mybatis源码本地化构建Demo
- NodeJs封装静态web服务器、路由、读取文件获取响应类型
- NodeJs使用ejs模板引擎实现后端渲染
- 如何优雅地本地化构建Mybatis源码
- Vue监听返回键关闭弹出层不返回页面
- Css添加div点击态
- Mybatis源码笔记之浅析ParameterHandler
- SpringBoot总结之浅析自动化配置原理
- Vue用keep-alive实现页面缓存