完全圖解RNN、RNN變體、Seq2Seq、Attention機(jī)制
作者：何之源
鏈接：https://zhuanlan.zhihu.com/p/28054589
本文主要是利用圖片的形式，詳細(xì)地介紹了經(jīng)典的RNN、RNN幾個(gè)重要變體，以及Seq2Seq模型、Attention機(jī)制。希望這篇文章能夠提供一個(gè)全新的視角，幫助初學(xué)者更好地入門。
一、從單層網(wǎng)絡(luò)談起
在學(xué)習(xí)RNN之前，首先要了解一下最基本的單層網(wǎng)絡(luò)，它的結(jié)構(gòu)如圖：
?
? ? ?
輸入是x，經(jīng)過變換Wx+b和激活函數(shù)f得到輸出y。相信大家對(duì)這個(gè)已經(jīng)非常熟悉了。
?
二、經(jīng)典的RNN結(jié)構(gòu)（N vs N）
在實(shí)際應(yīng)用中，我們還會(huì)遇到很多序列形的數(shù)據(jù)：
?
? ? ?
如：
自然語言處理問題。x1可以看做是第一個(gè)單詞，x2可以看做是第二個(gè)單詞，依次類推。
語音處理。此時(shí)，x1、x2、x3……是每幀的聲音信號(hào)。
時(shí)間序列問題。例如每天的股票價(jià)格等等
?
序列形的數(shù)據(jù)就不太好用原始的神經(jīng)網(wǎng)絡(luò)處理了。為了建模序列問題，RNN引入了隱狀態(tài)h（hidden state）的概念，h可以對(duì)序列形的數(shù)據(jù)提取特征，接著再轉(zhuǎn)換為輸出。先從h1的計(jì)算開始看：
? ? ? ?? ? ??
圖示中記號(hào)的含義是：
圓圈或方塊表示的是向量。
一個(gè)箭頭就表示對(duì)該向量做一次變換。如上圖中h0和x1分別有一個(gè)箭頭連接，就表示對(duì)h0和x1各做了一次變換。
在很多論文中也會(huì)出現(xiàn)類似的記號(hào)，初學(xué)的時(shí)候很容易搞亂，但只要把握住以上兩點(diǎn)，就可以比較輕松地理解圖示背后的含義。h2的計(jì)算和h1類似。要注意的是，在計(jì)算時(shí)，每一步使用的參數(shù)U、W、b都是一樣的，也就是說每個(gè)步驟的參數(shù)都是共享的，這是RNN的重要特點(diǎn)，一定要牢記。
?
? ? ?
依次計(jì)算剩下來的（使用相同的參數(shù)U、W、b）：
? ? ?
?
我們這里為了方便起見，只畫出序列長度為4的情況，實(shí)際上，這個(gè)計(jì)算過程可以無限地持續(xù)下去。
我們目前的RNN還沒有輸出，得到輸出值的方法就是直接通過h進(jìn)行計(jì)算：
? ? ?
正如之前所說，一個(gè)箭頭就表示對(duì)對(duì)應(yīng)的向量做一次類似于f(Wx+b)的變換，這里的這個(gè)箭頭就表示對(duì)h1進(jìn)行一次變換，得到輸出y1。
剩下的輸出類似進(jìn)行（使用和y1同樣的參數(shù)V和c）：
? ? ?
OK！大功告成！這就是最經(jīng)典的RNN結(jié)構(gòu)，我們像搭積木一樣把它搭好了。它的輸入是x1, x2, .....xn，輸出為y1, y2, ...yn，也就是說，輸入和輸出序列必須要是等長的。
由于這個(gè)限制的存在，經(jīng)典RNN的適用范圍比較小，但也有一些問題適合用經(jīng)典的RNN結(jié)構(gòu)建模，如：
計(jì)算視頻中每一幀的分類標(biāo)簽。因?yàn)橐獙?duì)每一幀進(jìn)行計(jì)算，因此輸入和輸出序列等長。
輸入為字符，輸出為下一個(gè)字符的概率。這就是著名的Char RNN（詳細(xì)介紹請(qǐng)參考：The Unreasonable Effectiveness of Recurrent Neural Networks，Char RNN可以用來生成文章，詩歌，甚至是代碼，非常有意思）。
三、N VS 1
有的時(shí)候，我們要處理的問題輸入是一個(gè)序列，輸出是一個(gè)單獨(dú)的值而不是序列，應(yīng)該怎樣建模呢？實(shí)際上，我們只在最后一個(gè)h上進(jìn)行輸出變換就可以了：
? ? ?
這種結(jié)構(gòu)通常用來處理序列分類問題。如輸入一段文字判別它所屬的類別，輸入一個(gè)句子判斷其情感傾向，輸入一段視頻并判斷它的類別等等。
四、1 VS N
輸入不是序列而輸出為序列的情況怎么處理？我們可以只在序列開始進(jìn)行輸入計(jì)算：
? ? ?
還有一種結(jié)構(gòu)是把輸入信息X作為每個(gè)階段的輸入：
? 
? ? ?
下圖省略了一些X的圓圈，是一個(gè)等價(jià)表示：
? ? ? ?? ? ??
這種1 VS N的結(jié)構(gòu)可以處理的問題有：
從圖像生成文字（image caption），此時(shí)輸入的X就是圖像的特征，而輸出的y序列就是一段句子
從類別生成語音或音樂等
?
五、N vs M
下面我們來介紹RNN最重要的一個(gè)變種：N vs M。這種結(jié)構(gòu)又叫Encoder-Decoder模型，也可以稱之為Seq2Seq模型。
原始的N vs N RNN要求序列等長，然而我們遇到的大部分問題序列都是不等長的，如機(jī)器翻譯中，源語言和目標(biāo)語言的句子往往并沒有相同的長度。為此，Encoder-Decoder結(jié)構(gòu)先將輸入數(shù)據(jù)編碼成一個(gè)上下文向量c：
? ? ?
?
得到c有多種方式，最簡(jiǎn)單的方法就是把Encoder的最后一個(gè)隱狀態(tài)賦值給c，還可以對(duì)最后的隱狀態(tài)做一個(gè)變換得到c，也可以對(duì)所有的隱狀態(tài)做變換。分別對(duì)應(yīng)上面的(1)、(2)、(3)。拿到c之后，就用另一個(gè)RNN網(wǎng)絡(luò)對(duì)其進(jìn)行解碼，這部分RNN網(wǎng)絡(luò)被稱為Decoder。具體做法就是將c當(dāng)做之前的初始狀態(tài)h0輸入到Decoder中：
? ? ?
還有一種做法是將c當(dāng)做每一步的輸入：
? ? ?
由于這種Encoder-Decoder結(jié)構(gòu)不限制輸入和輸出的序列長度，因此應(yīng)用的范圍非常廣泛，比如：
機(jī)器翻譯。Encoder-Decoder的最經(jīng)典應(yīng)用，事實(shí)上這一結(jié)構(gòu)就是在機(jī)器翻譯領(lǐng)域最先提出的
文本摘要。輸入是一段文本序列，輸出是這段文本序列的摘要序列。
閱讀理解。將輸入的文章和問題分別編碼，再對(duì)其進(jìn)行解碼得到問題的答案。
語音識(shí)別。輸入是語音信號(hào)序列，輸出是文字序列?！?/span>
六、Attention機(jī)制
在Encoder-Decoder結(jié)構(gòu)中，Encoder把所有的輸入序列都編碼成一個(gè)統(tǒng)一的語義特征c再解碼，因此，c中必須包含原始序列中的所有信息，它的長度就成了限制模型性能的瓶頸。如機(jī)器翻譯問題，當(dāng)要翻譯的句子較長時(shí)，一個(gè)c可能存不下那么多信息，就會(huì)造成翻譯精度的下降。
Attention機(jī)制通過在每個(gè)時(shí)間輸入不同的c來解決這個(gè)問題，下圖是帶有Attention機(jī)制的Decoder：
?
? ? ?
每一個(gè)c會(huì)自動(dòng)去選取與當(dāng)前所要輸出的y最合適的上下文信息。具體來說，我們用aij衡量Encoder中第j階段的hj和解碼時(shí)第i階段的相關(guān)性，最終Decoder中第i階段的輸入的上下文信息?ci就來自于所有hj對(duì)aij的加權(quán)和。
?
以機(jī)器翻譯為例（將中文翻譯成英文）：
? ? ?
?
輸入的序列是“我愛中國”，因此，Encoder中的h1、h2、h3、h4就可以分別看做是“我”、“愛”、“中”、“國”所代表的信息。在翻譯成英語時(shí)，第一個(gè)上下文c1應(yīng)該和“我”這個(gè)字最相關(guān)，因此對(duì)應(yīng)的 a11就比較大，而相應(yīng)的??a12、?a13?、a14??就比較小。c2應(yīng)該和“愛”最相關(guān)，因此對(duì)應(yīng)的a22就比較大。最后的c3和h3、h4最相關(guān)，因此 a33、a34的值就比較大
?
至此，關(guān)于Attention模型，我們就只剩最后一個(gè)問題了，那就是：這些權(quán)重 aij 是怎么來的？
事實(shí)上， aij 同樣是從模型中學(xué)出的，它實(shí)際和Decoder的第i-1階段的隱狀態(tài)、Encoder第j個(gè)階段的隱狀態(tài)有關(guān)。
同樣還是拿上面的機(jī)器翻譯舉例，?a1j?的計(jì)算（此時(shí)箭頭就表示對(duì)h'和 hj 同時(shí)做變換）：
? ?
? ? ?
?
a2j 的計(jì)算：
? 
? ? ?
a3j 的計(jì)算：
?
? ? ?
以上就是帶有Attention的Encoder-Decoder模型計(jì)算的全過程。
?
七、總結(jié)
本文主要講了N vs N，N vs 1、1 vs N、N vs M四種經(jīng)典的RNN模型，以及如何使用Attention結(jié)構(gòu)。希望能對(duì)大家有所幫助。
可能有小伙伴發(fā)現(xiàn)沒有LSTM的內(nèi)容，其實(shí)是因?yàn)長STM從外部看和RNN完全一樣，因此上面的所有結(jié)構(gòu)對(duì)LSTM都是通用的，想了解LSTM內(nèi)部結(jié)構(gòu)的可以參考這篇文章：Understanding LSTM Networks，寫得非常好，推薦閱讀。
↓掃描關(guān)注本號(hào)↓