作者 | Michael Nguyen
編譯 | 蔡志興、費棋
編輯 | Jane
出品 | AI科技大本營
【導語】機器學習工程師 Michael Nguyen 在其博文中發布了關於 LSTM 和 GRU 的詳細圖解指南。博文中，他先介紹了 LSTM 和 GRU 的本質， 然後解釋了讓 LSTM 和 GRU 有良好表現的內部機制。 當然，如果你還想了解這兩種網絡背後發生了什麼，那麼這篇文章就是為你準備的。
視頻詳解
▌短時記憶
RNN 會受到短時記憶的影響。如果一條序列足夠長，那它們將很難將信息從較早的時間步傳送到後面的時間步。 因此，如果你正在嘗試處理一段文本進行預測，RNN 可能從一開始就會遺漏重要信息。
在反向傳播期間，RNN 會面臨梯度消失的問題。 梯度是用於更新神經網絡的權重值，消失的梯度問題是當梯度隨著時間的推移傳播時梯度下降，如果梯度值變得非常小，就不會繼續學習。
梯度更新規則
因此，在遞歸神經網絡中，獲得小梯度更新的層會停止學習—— 那些通常是較早的層。 由於這些層不學習，RNN 可以忘記它在較長序列中看到的內容，因此具有短時記憶。
▌作為解決方案的 LSTM 和 GRU
LSTM 和 GRU 是解決短時記憶問題的解決方案，它們具有稱為「門」的內部機制，可以調節信息流。
這些「門」可以知道序列中哪些重要的數據是需要保留，而哪些是要刪除的。 隨後，它可以沿著長鏈序列傳遞相關信息以進行預測，幾乎所有基於遞歸神經網絡的技術成果都是通過這兩個網絡實現的。
LSTM 和 GRU 可以在語音識別、語音合成和文本生成中找到，你甚至可以用它們為視頻生成字幕。對 LSTM 和 GRU 擅長處理長序列的原因，到這篇文章結束時你應該會有充分了解。
下面我將通過直觀解釋和插圖進行闡述，並避免儘可能多的數學運算。
本質
讓我們從一個有趣的小實驗開始吧。當你想在網上購買生活用品時，一般都會查看一下此前已購買該商品用戶的評價。
當你瀏覽評論時，你的大腦下意識地只會記住重要的關鍵詞，比如「amazing」和「awsome」這樣的詞彙，而不太會關心「this」、「give」、「all」、「should」等字樣。如果朋友第二天問你用戶評價都說了什麼，那你可能不會一字不漏地記住它，而是會說出但大腦裡記得的主要觀點，比如「下次肯定還會來買」，那其他一些無關緊要的內容自然會從記憶中逐漸消失。
而這基本上就像是 LSTM 或 GRU 所做的那樣，它們可以學習只保留相關信息來進行預測，並忘記不相關的數據。
▌RNN 述評
為了了解 LSTM 或 GRU 如何實現這一點，讓我們回顧一下遞歸神經網絡。 RNN 的工作原理如下；第一個詞被轉換成了機器可讀的向量，然後 RNN 逐個處理向量序列。
逐一處理矢量序列
處理時，RNN 將先前隱藏狀態傳遞給序列的下一步。 而隱藏狀態充當了神經網絡記憶，它包含相關網絡之前所見過的數據的信息。
將隱藏狀態傳遞給下一個時間步
讓我們看看 RNN 的一個細胞，了解一下它如何計算隱藏狀態。 首先，將輸入和先前隱藏狀態組合成向量， 該向量包含當前輸入和先前輸入的信息。 向量經過激活函數 tanh之後，輸出的是新的隱藏狀態或網絡記憶。
RNN 細胞
激活函數 Tanh
激活函數 Tanh 用於幫助調節流經網絡的值。 tanh 函數將數值始終限制在 -1 和 1 之間。
當向量流經神經網絡時，由於有各種數學運算的緣故，它經歷了許多變換。 因此想像讓一個值繼續乘以 3，你可以想到一些值是如何變成天文數字的，這讓其他值看起來微不足道。
沒有 tanh 函數的向量轉換
tanh 函數確保值保持在 -1~1 之間，從而調節了神經網絡的輸出。 你可以看到上面的相同值是如何保持在 tanh 函數所允許的邊界之間的。
有 tanh 函數的向量轉換
這是一個 RNN。 它內部的操作很少，但在適當的情形下（如短序列）運作的很好。 RNN 使用的計算資源比它的演化變體 LSTM 和 GRU 要少得多。
▌LSTM
LSTM 的控制流程與 RNN 相似，它們都是在前向傳播的過程中處理流經細胞的數據，不同之處在於 LSTM 中細胞的結構和運算有所變化。
LSTM 的細胞結構和運算
這一系列運算操作使得 LSTM具有能選擇保存信息或遺忘信息的功能。咋一看這些運算操作時可能有點複雜，但沒關係下面將帶你一步步了解這些運算操作。
核心概念
LSTM 的核心概念在於細胞狀態以及「門」結構。細胞狀態相當於信息傳輸的路徑，讓信息能在序列連中傳遞下去。你可以將其看作網絡的「記憶」。理論上講，細胞狀態能夠將序列處理過程中的相關信息一直傳遞下去。
因此，即使是較早時間步長的信息也能攜帶到較後時間步長的細胞中來，這克服了短時記憶的影響。信息的添加和移除我們通過「門」結構來實現，「門」結構在訓練過程中會去學習該保存或遺忘哪些信息。
Sigmoid
門結構中包含著 sigmoid 激活函數。Sigmoid 激活函數與 tanh 函數類似，不同之處在於 sigmoid 是把值壓縮到 0~1 之間而不是 -1~1 之間。這樣的設置有助於更新或忘記信息，因為任何數乘以 0 都得 0，這部分信息就會剔除掉。同樣的，任何數乘以 1 都得到它本身，這部分信息就會完美地保存下來。這樣網絡就能了解哪些數據是需要遺忘，哪些數據是需要保存。
Sigmoid 將值壓縮到 0~1 之間
接下來了解一下門結構的功能。LSTM 有三種類型的門結構：遺忘門、輸入門和輸出門。
遺忘門
遺忘門的功能是決定應丟棄或保留哪些信息。來自前一個隱藏狀態的信息和當前輸入的信息同時傳遞到 sigmoid 函數中去，輸出值介於 0 和 1 之間，越接近 0 意味著越應該丟棄，越接近 1 意味著越應該保留。
遺忘門的運算過程
輸入門
輸入門用於更新細胞狀態。首先將前一層隱藏狀態的信息和當前輸入的信息傳遞到 sigmoid 函數中去。將值調整到 0~1 之間來決定要更新哪些信息。0 表示不重要，1 表示重要。
其次還要將前一層隱藏狀態的信息和當前輸入的信息傳遞到 tanh 函數中去，創造一個新的侯選值向量。最後將 sigmoid 的輸出值與 tanh 的輸出值相乘，sigmoid 的輸出值將決定 tanh 的輸出值中哪些信息是重要且需要保留下來的。
輸入門的運算過程
細胞狀態
下一步，就是計算細胞狀態。首先前一層的細胞狀態與遺忘向量逐點相乘。如果它乘以接近 0 的值，意味著在新的細胞狀態中，這些信息是需要丟棄掉的。然後再將該值與輸入門的輸出值逐點相加，將神經網絡發現的新信息更新到細胞狀態中去。至此，就得到了更新後的細胞狀態。
細胞狀態的計算
輸出門
輸出門用來確定下一個隱藏狀態的值，隱藏狀態包含了先前輸入的信息。首先，我們將前一個隱藏狀態和當前輸入傳遞到 sigmoid 函數中，然後將新得到的細胞狀態傳遞給 tanh 函數。
最後將 tanh 的輸出與 sigmoid 的輸出相乘，以確定隱藏狀態應攜帶的信息。再將隱藏狀態作為當前細胞的輸出，把新的細胞狀態和新的隱藏狀態傳遞到下一個時間步長中去。
輸出門的運算過程
讓我們再梳理一下。遺忘門確定前一個步長中哪些相關的信息需要被保留；輸入門確定當前輸入中哪些信息是重要的，需要被添加的；輸出門確定下一個隱藏狀態應該是什麼。
代碼示例
對於那些懶得看文字的人來說，代碼也許更好理解，下面給出一個用 python 寫的示例。
python 寫的偽代碼
1.首先，我們將先前的隱藏狀態和當前的輸入連接起來，這裡將它稱為 combine；
2.其次將 combine 丟到遺忘層中，用於刪除不相關的數據；
3.再用 combine 創建一個候選層，候選層中包含著可能要添加到細胞狀態中的值；
4.combine 同樣要丟到輸入層中，該層決定了候選層中哪些數據需要添加到新的細胞狀態中；
5.接下來細胞狀態再根據遺忘層、候選層、輸入層以及先前細胞狀態的向量來計算；
6.再計算當前細胞的輸出；
7.最後將輸出與新的細胞狀態逐點相乘以得到新的隱藏狀態。
是的，LSTM 網絡的控制流程就是幾個張量和一個 for 循環。你還可以使用隱藏狀態進行預測。結合這些機制，LSTM 能夠在序列處理中確定哪些信息需要記憶，哪些信息需要遺忘。
▌GRU
知道了 LSTM 的工作原理之後，來了解一下 GRU。GRU 是新一代的循環神經網絡，與 LSTM 非常相似。與 LSTM 相比，GRU 去除掉了細胞狀態，使用隱藏狀態來進行信息的傳遞。它只包含兩個門：更新門和重置門。
GRU 的細胞結構和門結構
更新門
更新門的作用類似於 LSTM 中的遺忘門和輸入門。它決定了要忘記哪些信息以及哪些新信息需要被添加。
重置門
重置門用於決定遺忘先前信息的程度。
這就是 GRU。GRU 的張量運算較少，因此它比 LSTM 的訓練更快一下。很難去判定這兩者到底誰更好，研究人員通常會兩者都試一下，然後選擇最合適的。
▌結語
總而言之，RNN 適用於處理序列數據用於預測，但卻受到短時記憶的制約。LSTM 和 GRU 採用門結構來克服短時記憶的影響。門結構可以調節流經序列鏈的信息流。LSTM 和 GRU 被廣泛地應用到語音識別、語音合成和自然語言處理等。
原文連結：https://towardsdatascience.com/illustrated-guide-to-lstms-and-gru-s-a-step-by-step-explanation-44e9eb85bf21