本文簡(jiǎn)要介紹了什么是循環(huán)神經(jīng)網(wǎng)絡(luò)及其運(yùn)行原理，并給出了一個(gè) RNN 實(shí)現(xiàn)示例。

什么是循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）？它們?nèi)绾芜\(yùn)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(gè) RNN 實(shí)現(xiàn) demo，你可以根據(jù)自己的需要進(jìn)行擴(kuò)展。

循環(huán)神經(jīng)網(wǎng)絡(luò)架構(gòu)

基礎(chǔ)知識(shí)。Python、CNN 知識(shí)是必備的。了解 CNN 的相關(guān)知識(shí)，是為了與 RNN 進(jìn)行對(duì)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(gè)詞說起。為什么將其稱為循環(huán)？循環(huán)的意思是：經(jīng)?；蛑貜?fù)出現(xiàn)

將這類神經(jīng)網(wǎng)絡(luò)稱為循環(huán)神經(jīng)網(wǎng)絡(luò)是因?yàn)樗鼘?duì)一組序列輸入重復(fù)進(jìn)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(luò)這樣表現(xiàn)非常出色的網(wǎng)絡(luò)了，為什么還需要其他類型的網(wǎng)絡(luò)呢？有一個(gè)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(guān)知識(shí)，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(shí)間序列數(shù)據(jù)、信息性的字符串、對(duì)話等。在對(duì)話中，一個(gè)句子可能有一個(gè)意思，但是整體的對(duì)話可能又是完全不同的意思。股市數(shù)據(jù)這樣的時(shí)間序列數(shù)據(jù)也是，單個(gè)數(shù)據(jù)表示當(dāng)前價(jià)格，但是全天的數(shù)據(jù)會(huì)有不一樣的變化，促使我們作出買進(jìn)或賣出的決定。

當(dāng)輸入數(shù)據(jù)具有依賴性且是序列模式時(shí)，CNN 的結(jié)果一般都不太好。CNN 的前一個(gè)輸入和下一個(gè)輸入之間沒有任何關(guān)聯(lián)。所以所有的輸出都是獨(dú)立的。CNN 接受輸入，然后基于訓(xùn)練好的模型輸出。如果你運(yùn)行了 100 個(gè)不同的輸入，它們中的任何一個(gè)輸出都不會(huì)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(dú)立的（有些情況下與之后的單詞也是獨(dú)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(duì)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(shí)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(guān)聯(lián)，而不會(huì)做任何決定。本文只是基于之前關(guān)于該項(xiàng)目的知識(shí)做出了自己的判斷（我甚至尚未理解人類大腦的 0.1%）。

何時(shí)使用 RNN？

RNN 可用于許多不同的地方。下面是 RNN 應(yīng)用最多的領(lǐng)域。

1. 語(yǔ)言建模和文本生成

給出一個(gè)詞語(yǔ)序列，試著預(yù)測(cè)下一個(gè)詞語(yǔ)的可能性。這在翻譯任務(wù)中是很有用的，因?yàn)樽钣锌赡艿木渥訉⑹强赡苄宰罡叩膯卧~組成的句子。

2. 機(jī)器翻譯

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

3. 語(yǔ)音識(shí)別

基于輸入的聲波預(yù)測(cè)語(yǔ)音片段，從而確定詞語(yǔ)。

4. 生成圖像描述

RNN 一個(gè)非常廣泛的應(yīng)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(jié)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(yīng)用雖然基本，但可能性是無窮的。

5. 視頻標(biāo)記

可以通過一幀一幀地標(biāo)記視頻進(jìn)行視頻搜索。

深入挖掘

本文按照以下主題進(jìn)行。每一部分都是基于之前的部分進(jìn)行的，所以不要跳著讀。

前饋網(wǎng)絡(luò)

循環(huán)網(wǎng)絡(luò)

循環(huán)神經(jīng)元

基于時(shí)間的反向傳播（BPTT）

RNN 實(shí)現(xiàn)

前饋網(wǎng)絡(luò)入門

前饋網(wǎng)絡(luò)通過在網(wǎng)絡(luò)的每個(gè)節(jié)點(diǎn)上做出的一系列操作傳遞信息。前饋網(wǎng)絡(luò)每次通過每個(gè)層直接向后傳遞信息。這與其他循環(huán)神經(jīng)網(wǎng)絡(luò)不同。一般而言，前饋網(wǎng)絡(luò)接受一個(gè)輸入并據(jù)此產(chǎn)生輸出，這也是大多數(shù)監(jiān)督學(xué)習(xí)的步驟，輸出結(jié)果可能是一個(gè)分類結(jié)果。它的行為與 CNN 類似。輸出可以是以貓狗等作為標(biāo)簽的類別。

前饋網(wǎng)絡(luò)是基于一系列預(yù)先標(biāo)注過的數(shù)據(jù)訓(xùn)練的。訓(xùn)練階段的目的是減少前饋網(wǎng)絡(luò)猜類別時(shí)的誤差。一旦訓(xùn)練完成，我們就可以用訓(xùn)練后的權(quán)重對(duì)新批次的數(shù)據(jù)進(jìn)行分類。

一個(gè)典型的前饋網(wǎng)絡(luò)架構(gòu)

還有一件事要注意。在前饋網(wǎng)絡(luò)中，無論在測(cè)試階段展示給分類器的圖像是什么，都不會(huì)改變權(quán)重，所以也不會(huì)影響第二個(gè)決策。這是前饋網(wǎng)絡(luò)和循環(huán)網(wǎng)絡(luò)之間一個(gè)非常大的不同。

與循環(huán)網(wǎng)絡(luò)不同，前饋網(wǎng)絡(luò)在測(cè)試時(shí)不會(huì)記得之前的輸入數(shù)據(jù)。它們始終是取決于時(shí)間點(diǎn)的。它們只會(huì)在訓(xùn)練階段記得歷史輸入數(shù)據(jù)。

循環(huán)網(wǎng)絡(luò)

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

我們?cè)囍⒘艘粋€(gè)多層感知器。從簡(jiǎn)單的角度講，它有一個(gè)輸入層、一個(gè)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(gòu)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(gè)隱藏層將激活傳遞到下一個(gè)隱藏層上，依此類推。最后到達(dá)輸出層。每一個(gè)隱藏層都有自己的權(quán)重和偏置項(xiàng)?，F(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(quán)重（W）、偏置項(xiàng)（B）和激活函數(shù)（F）。這些層的行為不同，合并它們從技術(shù)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(quán)重和偏置項(xiàng)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(jié)合在一個(gè)循環(huán)層中。所以看起來就像下圖：

我們?cè)诿恳徊蕉紩?huì)向隱藏層提供輸入?，F(xiàn)在一個(gè)循環(huán)神經(jīng)元存儲(chǔ)了所有之前步的輸入，并將這些信息和當(dāng)前步的輸入合并。因此，它還捕獲到一些當(dāng)前數(shù)據(jù)步和之前步的相關(guān)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(dāng)前數(shù)據(jù)和近期數(shù)據(jù)結(jié)合起來，幫助解決手頭的特定問題。這個(gè)例子很簡(jiǎn)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(jí)的神經(jīng)網(wǎng)絡(luò)模型。我們做出的決策只是對(duì)生活中收集到的數(shù)據(jù)進(jìn)行訓(xùn)練。那么一旦有了能夠在合理時(shí)間段內(nèi)存儲(chǔ)和計(jì)算數(shù)據(jù)的先進(jìn)模型和系統(tǒng)時(shí)，是否可以數(shù)字化大腦呢？所以當(dāng)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(xùn)練出的）時(shí)，會(huì)發(fā)生什么？

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

我們用一個(gè)例子來闡述上面的解釋，這個(gè)例子是預(yù)測(cè)一系列字母后的下一個(gè)字母。想象一個(gè)有 8 個(gè)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(shì)，將手掌合起置于面前或胸前鞠躬。

如果我們?cè)谙蚓W(wǎng)絡(luò)輸入 7 個(gè)字母后試著找出第 8 個(gè)字母，會(huì)發(fā)生什么呢？隱藏層會(huì)經(jīng)歷 8 次迭代。如果展開網(wǎng)絡(luò)的話就是一個(gè) 8 層的網(wǎng)絡(luò)，每一層對(duì)應(yīng)一個(gè)字母。所以你可以想象一個(gè)普通的神經(jīng)網(wǎng)絡(luò)被重復(fù)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(guān)的。

循環(huán)神經(jīng)網(wǎng)絡(luò)的運(yùn)作原理

循環(huán)神經(jīng)元

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

在上圖中，隱藏層或 RNN 塊在當(dāng)前輸入和之前的狀態(tài)中應(yīng)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(dāng)前信息推斷，并移動(dòng)到下一個(gè)字母 a。在推斷字母 a 的過程中，隱藏層應(yīng)用了上述公式結(jié)合當(dāng)前推斷 a 的信息與前面推斷 n 的信息。輸入在網(wǎng)絡(luò)中傳遞的每一個(gè)狀態(tài)都是一個(gè)時(shí)間步或一步，所以時(shí)間步 t 的輸入是 a，時(shí)間步 t-1 的輸入就是 n。將公式同時(shí)應(yīng)用于 n 和 a 后，就得到了一個(gè)新狀態(tài)。

用于當(dāng)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(gè)狀態(tài)。x_t 是時(shí)間 t 時(shí)的輸入。在對(duì)之前的時(shí)間步應(yīng)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(gè)這樣的輸入，它們?cè)诿恳徊降臋?quán)重和函數(shù)都是相同的。

現(xiàn)在試著以簡(jiǎn)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(quán)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(luò)的記憶能力，并在記憶中保留較長(zhǎng)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(cè)試階段的計(jì)算方式進(jìn)行計(jì)算：

其中，y_t 是輸出。對(duì)輸出與實(shí)際輸出進(jìn)行對(duì)比，然后計(jì)算出誤差值。網(wǎng)絡(luò)通過反向傳播誤差來更新權(quán)重，進(jìn)行學(xué)習(xí)。本文后續(xù)部分會(huì)對(duì)反向傳播進(jìn)行討論。

基于時(shí)間的反向傳播算法（BPTT）

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

現(xiàn)在我們了解了 RNN 是如何實(shí)際運(yùn)作的，但是在實(shí)際工作中如何訓(xùn)練 RNN 呢？該如何決定每個(gè)連接的權(quán)重呢？如何初始化這些隱藏單元的權(quán)重呢？循環(huán)網(wǎng)絡(luò)的目的是要準(zhǔn)確地對(duì)序列輸入進(jìn)行分類。這要靠誤差值的反向傳播和梯度下降來實(shí)現(xiàn)。但是前饋網(wǎng)絡(luò)中使用的標(biāo)準(zhǔn)反向傳播無法在此應(yīng)用。

與有向無環(huán)的前饋網(wǎng)絡(luò)不同，RNN 是循環(huán)圖，這也是問題所在。在前饋網(wǎng)絡(luò)中可以計(jì)算出之前層的誤差導(dǎo)數(shù)。但 RNN 的層級(jí)排列與前饋網(wǎng)絡(luò)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(luò)。展開網(wǎng)絡(luò)使其看起來像前饋網(wǎng)絡(luò)就可以了。

展開 RNN

在每個(gè)時(shí)間步取出 RNN 的隱藏單元并復(fù)制。時(shí)間步中的每一次復(fù)制就像前饋網(wǎng)絡(luò)中的一層。在時(shí)間步 t+1 中每個(gè)時(shí)間步 t 層與所有可能的層連接。因此我們對(duì)權(quán)重進(jìn)行隨機(jī)初始化，展開網(wǎng)絡(luò)，然后在隱藏層中通過反向傳播優(yōu)化權(quán)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(luò)的結(jié)果是，現(xiàn)在每一層的權(quán)重都不同，因此最終會(huì)得到不同程度的優(yōu)化。無法保證基于權(quán)重計(jì)算出的誤差是相等的。所以每一次運(yùn)行結(jié)束時(shí)每一層的權(quán)重都不同。這是我們絕對(duì)不希望看到的。最簡(jiǎn)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?duì)誤差值取平均或者求和。通過這種方式，我們可以在所有時(shí)間步中使用一層來保持相同的權(quán)重。