乾貨| 完全圖解RNN、RNN變體、Seq2Seq、Attention機制

原標題：乾貨 | 完全圖解RNN、RNN變體、Seq2Seq、Attention機制

AI科技評論按：本文作者何之源，原文載於知乎專欄AI Insight，AI科技評論獲其授權發布。

本文主要是利用圖片的形式，詳細地介紹了經典的RNN、RNN幾個重要變體，以及Seq2Seq模型、Attention機制。希望這篇文章能夠提供一個全新的視角，幫助初學者更好地入門。

一、從單層網絡談起

在學習RNN之前，首先要了解一下最基本的單層網絡，它的結構如圖：

輸入是x，經過變換Wx+b和激活函數f得到輸出y。相信大家對這個已經非常熟悉了。

二、經典的RNN結構（N vs N）

在實際應用中，我們還會遇到很多序列形的數據：

如：

序列形的數據就不太好用原始的神經網絡處理了。為了建模序列問題，RNN引入了隱狀態h（hidden state）的概念，h可以對序列形的數據提取特徵，接著再轉換為輸出。先從h1的計算開始看：

圖示中記號的含義是：

在很多論文中也會出現類似的記號，初學的時候很容易搞亂，但只要把握住以上兩點，就可以比較輕鬆地理解圖示背後的含義。

h2的計算和h1類似。要注意的是，在計算時，每一步使用的參數U、W、b都是一樣的，也就是說每個步驟的參數都是共享的，這是RNN的重要特點，一定要牢記。

依次計算剩下來的（使用相同的參數U、W、b）：

我們這裡為了方便起見，只畫出序列長度為4的情況，實際上，這個計算過程可以無限地持續下去。

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進行計算：

正如之前所說，一個箭頭就表示對對應的向量做一次類似於f(Wx+b)的變換，這裡的這個箭頭就表示對h1進行一次變換，得到輸出y1。

剩下的輸出類似進行（使用和y1同樣的參數V和c）：

OK！大功告成！這就是最經典的RNN結構，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。

由於這個限制的存在，經典RNN的適用範圍比較小，但也有一些問題適合用經典的RNN結構建模，如：

• 計算視頻中每一幀的分類標籤。因為要對每一幀進行計算，因此輸入和輸出序列等長。

• 輸入為字符，輸出為下一個字符的概率。這就是著名的Char RNN（詳細介紹請參考：The Unreasonable Effectiveness of Recurrent Neural Networks，地址：http://karpathy.github.io/2015/05/21/rnn-effectiveness/。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

有的時候，我們要處理的問題輸入是一個序列，輸出是一個單獨的值而不是序列，應該怎樣建模呢？實際上，我們只在最後一個h上進行輸出變換就可以了：

這種結構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，輸入一個句子判斷其情感傾向，輸入一段視頻並判斷它的類別等等。

四、1 VS N

輸入不是序列而輸出為序列的情況怎麼處理？我們可以只在序列開始進行輸入計算：

還有一種結構是把輸入信息X作為每個階段的輸入：

下圖省略了一些X的圓圈，是一個等價表示：

這種1 VS N的結構可以處理的問題有：

五、N vs M

下面我們來介紹RNN最重要的一個變種：N vs M。這種結構又叫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，如機器翻譯中，源語言和目標語言的句子往往並沒有相同的長度。

為此，Encoder-Decoder結構先將輸入數據編碼成一個上下文向量c：

得到c有多種方式，最簡單的方法就是把Encoder的最後一個隱狀態賦值給c，還可以對最後的隱狀態做一個變換得到c，也可以對所有的隱狀態做變換。

拿到c之後，就用另一個RNN網絡對其進行解碼，這部分RNN網絡被稱為Decoder。具體做法就是將c當做之前的初始狀態h0輸入到Decoder中：

還有一種做法是將c當做每一步的輸入：

由於這種Encoder-Decoder結構不限制輸入和輸出的序列長度，因此應用的範圍非常廣泛，比如：

• 機器翻譯。Encoder-Decoder的最經典應用，事實上這一結構就是在機器翻譯領域最先提出的

• 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，再對其進行解碼得到問題的答案。

• 語音識別。輸入是語音信號序列，輸出是文字序列。

• …………

六、Attention機制

在Encoder-Decoder結構中，Encoder把所有的輸入序列都編碼成一個統一的語義特徵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。如機器翻譯問題，當要翻譯的句子較長時，一個c可能存不下那麼多信息，就會造成翻譯精度的下降。

Attention機制通過在每個時間輸入不同的c來解決這個問題，下圖是帶有Attention機制的Decoder：

每一個c會自動去選取與當前所要輸出的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和解碼時第i階段的相關性，最終Decoder中第i階段的輸入的上下文信息 ci就來自於所有 hj 對 aij 的加權和。

以機器翻譯為例（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，第一個上下文c1應該和「我」這個字最相關，因此對應的 a11 就比較大，而相應的 a12、a13、a14就比較小。c2應該和「愛」最相關，因此對應的 a22 就比較大。最後的c3和h3、h4最相關，因此 a33、a34 的值就比較大。

至此，關於Attention模型，我們就只剩最後一個問題了，那就是：這些權重 aij 是怎麼來的？

事實上， aij同樣是從模型中學出的，它實際和Decoder的第i-1階段的隱狀態、Encoder第j個階段的隱狀態有關。

同樣還是拿上面的機器翻譯舉例， a1j 的計算（此時箭頭就表示對h'和 hj 同時做變換）：

a2j 的計算：

a3j的計算：

以上就是帶有Attention的Encoder-Decoder模型計算的全過程。

七、總結

本文主要講了N vs N，N vs 1、1 vs N、N vs M四種經典的RNN模型，以及如何使用Attention結構。希望能對大家有所幫助。

可能有小夥伴發現沒有LSTM的內容，其實是因為LSTM從外部看和RNN完全一樣，因此上面的所有結構對LSTM都是通用的，想了解LSTM內部結構的可以參考這篇文章：Understanding LSTM Networks（地址：http://colah.github.io/posts/2015-08-Understanding-LSTMs/），寫得非常好，推薦閱讀。

————————————————————返回搜狐，查看更多

責任編輯：