新手的你還在苦苦學習神經(jīng)網(wǎng)絡，看完本文相信你必會恍然大悟

本文簡要介紹了什么是循環(huán)神經(jīng)網(wǎng)絡及其運行原理，并給出了一個 RNN 實現(xiàn)示例。

什么是循環(huán)神經(jīng)網(wǎng)絡（RNN）？它們?nèi)绾芜\行？可以用在哪里呢？本文試圖回答上述這些問題，還展示了一個 RNN 實現(xiàn) demo，你可以根據(jù)自己的需要進行擴展。

循環(huán)神經(jīng)網(wǎng)絡架構

基礎知識。Python、CNN 知識是必備的。了解 CNN 的相關知識，是為了與 RNN 進行對比：RNN 為什么以及在哪些地方比 CNN 更好。

我們首先從「循環(huán)」（Recurrent）這個詞說起。為什么將其稱為循環(huán)？循環(huán)的意思是：

經(jīng)常或重復出現(xiàn)

將這類神經(jīng)網(wǎng)絡稱為循環(huán)神經(jīng)網(wǎng)絡是因為它對一組序列輸入重復進行同樣的操作。本文后續(xù)部分將討論這種操作的意義。

我們?yōu)槭裁葱枰?RNN？

也許你現(xiàn)在想的是，已經(jīng)有像卷積網(wǎng)絡這樣表現(xiàn)非常出色的網(wǎng)絡了，為什么還需要其他類型的網(wǎng)絡呢？有一個需要用到 RNN 的特殊例子。為了解釋 RNN，你首先需要了解序列的相關知識，我們先來講一下序列。

序列是相互依賴的（有限或無限）數(shù)據(jù)流，比如時間序列數(shù)據(jù)、信息性的字符串、對話等。在對話中，一個句子可能有一個意思，但是整體的對話可能又是完全不同的意思。股市數(shù)據(jù)這樣的時間序列數(shù)據(jù)也是，單個數(shù)據(jù)表示當前價格，但是全天的數(shù)據(jù)會有不一樣的變化，促使我們作出買進或賣出的決定。

當輸入數(shù)據(jù)具有依賴性且是序列模式時，CNN 的結果一般都不太好。CNN 的前一個輸入和下一個輸入之間沒有任何關聯(lián)。所以所有的輸出都是獨立的。CNN 接受輸入，然后基于訓練好的模型輸出。如果你運行了 100 個不同的輸入，它們中的任何一個輸出都不會受之前輸出的影響。但想一下如果是文本生成或文本翻譯呢？所有生成的單詞與之前生成的單詞都是獨立的（有些情況下與之后的單詞也是獨立的，這里暫不討論）。所以你需要有一些基于之前輸出的偏向。這就是需要 RNN 的地方。RNN 對之前發(fā)生在數(shù)據(jù)序列中的事是有一定記憶的。這有助于系統(tǒng)獲取上下文。理論上講，RNN 有無限的記憶，這意味著它們有無限回顧的能力。通過回顧可以了解所有之前的輸入。但從實際操作中看，它只能回顧最后幾步。

本文僅為了與人類大體相關聯(lián)，而不會做任何決定。本文只是基于之前關于該項目的知識做出了自己的判斷（我甚至尚未理解人類大腦的 0.1%）。

何時使用 RNN？

RNN 可用于許多不同的地方。下面是 RNN 應用最多的領域。

1. 語言建模和文本生成

給出一個詞語序列，試著預測下一個詞語的可能性。這在翻譯任務中是很有用的，因為最有可能的句子將是可能性最高的單詞組成的句子。

2. 機器翻譯

將文本內(nèi)容從一種語言翻譯成其他語言使用了一種或幾種形式的 RNN。所有日常使用的實用系統(tǒng)都用了某種高級版本的 RNN。

3. 語音識別

基于輸入的聲波預測語音片段，從而確定詞語。

4. 生成圖像描述

RNN 一個非常廣泛的應用是理解圖像中發(fā)生了什么，從而做出合理的描述。這是 CNN 和 RNN 相結合的作用。CNN 做圖像分割，RNN 用分割后的數(shù)據(jù)重建描述。這種應用雖然基本，但可能性是無窮的。

5. 視頻標記

可以通過一幀一幀地標記視頻進行視頻搜索。

深入挖掘

本文按照以下主題進行。每一部分都是基于之前的部分進行的，所以不要跳著讀。

• 前饋網(wǎng)絡

• 循環(huán)網(wǎng)絡

• 循環(huán)神經(jīng)元

• 基于時間的反向傳播（BPTT）

• RNN 實現(xiàn)

前饋網(wǎng)絡入門

前饋網(wǎng)絡通過在網(wǎng)絡的每個節(jié)點上做出的一系列操作傳遞信息。前饋網(wǎng)絡每次通過每個層直接向后傳遞信息。這與其他循環(huán)神經(jīng)網(wǎng)絡不同。一般而言，前饋網(wǎng)絡接受一個輸入并據(jù)此產(chǎn)生輸出，這也是大多數(shù)監(jiān)督學習的步驟，輸出結果可能是一個分類結果。它的行為與 CNN 類似。輸出可以是以貓狗等作為標簽的類別。

前饋網(wǎng)絡是基于一系列預先標注過的數(shù)據(jù)訓練的。訓練階段的目的是減少前饋網(wǎng)絡猜類別時的誤差。一旦訓練完成，我們就可以用訓練后的權重對新批次的數(shù)據(jù)進行分類。

一個典型的前饋網(wǎng)絡架構

還有一件事要注意。在前饋網(wǎng)絡中，無論在測試階段展示給分類器的圖像是什么，都不會改變權重，所以也不會影響第二個決策。這是前饋網(wǎng)絡和循環(huán)網(wǎng)絡之間一個非常大的不同。

與循環(huán)網(wǎng)絡不同，前饋網(wǎng)絡在測試時不會記得之前的輸入數(shù)據(jù)。它們始終是取決于時間點的。它們只會在訓練階段記得歷史輸入數(shù)據(jù)。

循環(huán)網(wǎng)絡

也就是說，循環(huán)網(wǎng)絡不僅將當前的輸入樣例作為網(wǎng)絡輸入，還將它們之前感知到的一并作為輸入。

我們試著建立了一個多層感知器。從簡單的角度講，它有一個輸入層、一個具備特定激活函數(shù)的隱藏層，最終可以得到輸出。

多層感知器架構示例

如果在上述示例中的層數(shù)增加了，輸入層也接收輸入。那么第一個隱藏層將激活傳遞到下一個隱藏層上，依此類推。最后到達輸出層。每一個隱藏層都有自己的權重和偏置項。現(xiàn)在問題變成了我們可以輸入到隱藏層嗎？

每一層都有自己的權重（W）、偏置項（B）和激活函數(shù)（F）。這些層的行為不同，合并它們從技術層面上講也極具挑戰(zhàn)性。為了合并它們，我們將所有層的權重和偏置項替換成相同的值。如下圖所示：

現(xiàn)在我們就可以將所有層合并在一起了。所有的隱藏層都可以結合在一個循環(huán)層中。所以看起來就像下圖：

我們在每一步都會向隱藏層提供輸入。現(xiàn)在一個循環(huán)神經(jīng)元存儲了所有之前步的輸入，并將這些信息和當前步的輸入合并。因此，它還捕獲到一些當前數(shù)據(jù)步和之前步的相關性信息。t-1 步的決策影響到第 t 步做的決策。這很像人類在生活中做決策的方式。我們將當前數(shù)據(jù)和近期數(shù)據(jù)結合起來，幫助解決手頭的特定問題。這個例子很簡單，但從原則上講這與人類的決策能力是一致的。這讓我非常想知道我們作為人類是否真的很智能，或者說我們是否有非常高級的神經(jīng)網(wǎng)絡模型。我們做出的決策只是對生活中收集到的數(shù)據(jù)進行訓練。那么一旦有了能夠在合理時間段內(nèi)存儲和計算數(shù)據(jù)的先進模型和系統(tǒng)時，是否可以數(shù)字化大腦呢？所以當我們有了比大腦更好更快的模型（基于數(shù)百萬人的數(shù)據(jù)訓練出的）時，會發(fā)生什么？

另一篇文章（https://deeplearning4j.org/lstm.html）的有趣觀點：人總是被自己的行為所困擾。

我們用一個例子來闡述上面的解釋，這個例子是預測一系列字母后的下一個字母。想象一個有 8 個字母的單詞 namaskar。

namaskar（合十禮）：印度表示尊重的傳統(tǒng)問候或姿勢，將手掌合起置于面前或胸前鞠躬。

如果我們在向網(wǎng)絡輸入 7 個字母后試著找出第 8 個字母，會發(fā)生什么呢？隱藏層會經(jīng)歷 8 次迭代。如果展開網(wǎng)絡的話就是一個 8 層的網(wǎng)絡，每一層對應一個字母。所以你可以想象一個普通的神經(jīng)網(wǎng)絡被重復了多次。展開的次數(shù)與它記得多久之前的數(shù)據(jù)是直接相關的。

循環(huán)神經(jīng)網(wǎng)絡的運作原理

循環(huán)神經(jīng)元

這里我們將更深入地了解負責決策的實際神經(jīng)元。以之前提到的 namaskar 為例，在給出前 7 個字母后，試著找出第 8 個字母。輸入數(shù)據(jù)的完整詞匯表是 {n,a,m,s,k,r}。在真實世界中單詞或句子都會更復雜。為了簡化問題，我們用的是下面這個簡單的詞匯表。

在上圖中，隱藏層或 RNN 塊在當前輸入和之前的狀態(tài)中應用了公式。在本例中，namaste 的字母 n 前面什么都沒有。所以我們直接使用當前信息推斷，并移動到下一個字母 a。在推斷字母 a 的過程中，隱藏層應用了上述公式結合當前推斷 a 的信息與前面推斷 n 的信息。輸入在網(wǎng)絡中傳遞的每一個狀態(tài)都是一個時間步或一步，所以時間步 t 的輸入是 a，時間步 t-1 的輸入就是 n。將公式同時應用于 n 和 a 后，就得到了一個新狀態(tài)。

用于當前狀態(tài)的公式如下所示：

h_t 是新狀態(tài)，h_t-1 是前一個狀態(tài)。x_t 是時間 t 時的輸入。在對之前的時間步應用了相同的公式后，我們已經(jīng)能感知到之前的輸入了。我們將檢查 7 個這樣的輸入，它們在每一步的權重和函數(shù)都是相同的。

現(xiàn)在試著以簡單的方式定義 f()。我們使用 tanh 激活函數(shù)。通過矩陣 W_hh 定義權重，通過矩陣 W_xh 定義輸入。公式如下所示：

上例只將最后一步作為記憶，因此只與最后一步的數(shù)據(jù)合并。為了提升網(wǎng)絡的記憶能力，并在記憶中保留較長的序列，我們必須在方程中添加更多的狀態(tài)，如 h_t-2、h_t-3 等。最后輸出可以按測試階段的計算方式進行計算：

其中，y_t 是輸出。對輸出與實際輸出進行對比，然后計算出誤差值。網(wǎng)絡通過反向傳播誤差來更新權重，進行學習。本文后續(xù)部分會對反向傳播進行討論。

基于時間的反向傳播算法（BPTT）

本節(jié)默認你已經(jīng)了解了反向傳播概念。如果需要對反向傳播進行深入了解，請參閱鏈接：?http://cs231n.github.io/optimization-2/?。

現(xiàn)在我們了解了 RNN 是如何實際運作的，但是在實際工作中如何訓練 RNN 呢？該如何決定每個連接的權重呢？如何初始化這些隱藏單元的權重呢？循環(huán)網(wǎng)絡的目的是要準確地對序列輸入進行分類。這要靠誤差值的反向傳播和梯度下降來實現(xiàn)。但是前饋網(wǎng)絡中使用的標準反向傳播無法在此應用。

與有向無環(huán)的前饋網(wǎng)絡不同，RNN 是循環(huán)圖，這也是問題所在。在前饋網(wǎng)絡中可以計算出之前層的誤差導數(shù)。但 RNN 的層級排列與前饋網(wǎng)絡并不相同。

答案就在之前討論過的內(nèi)容中。我們需要展開網(wǎng)絡。展開網(wǎng)絡使其看起來像前饋網(wǎng)絡就可以了。

展開 RNN

在每個時間步取出 RNN 的隱藏單元并復制。時間步中的每一次復制就像前饋網(wǎng)絡中的一層。在時間步 t+1 中每個時間步 t 層與所有可能的層連接。因此我們對權重進行隨機初始化，展開網(wǎng)絡，然后在隱藏層中通過反向傳播優(yōu)化權重。通過向最低層傳遞參數(shù)完成初始化。這些參數(shù)作為反向傳播的一部分也得到了優(yōu)化。

展開網(wǎng)絡的結果是，現(xiàn)在每一層的權重都不同，因此最終會得到不同程度的優(yōu)化。無法保證基于權重計算出的誤差是相等的。所以每一次運行結束時每一層的權重都不同。這是我們絕對不希望看到的。最簡單的解決辦法是以某種方式將所有層的誤差合并到一起?？梢詫φ`差值取平均或者求和。通過這種方式，我們可以在所有時間步中使用一層來保持相同的權重。

RNN 實現(xiàn)

本文試著用 Keras 模型實現(xiàn) RNN。我們試著根據(jù)給定的文本預測下一個序列。

該模型是 Yash Katariya 建的。我對該模型做了一些細微的改動以適合本文的要求。