Базовое введение РНН
обзор
Рекуррентная нейронная сеть (RNN) — это модель глубокого обучения, которая в основном используется для обработки последовательных данных, таких как текст, речь, временные ряды и другие данные с временными отношениями.
Основная идея
Ключевая идея RNN — ввести петлевую структуру, позволяющую передавать информацию внутри сети. В отличие от традиционной нейронной сети с прямой связью (Feedforward Neural Network), RNN будет сохранять и использовать предыдущую информацию, чтобы влиять на последующий вывод при обработке данных последовательности.
Базовая структура
Базовая структура RNN представляет собой модуль, называемый «рекуррентным блоком», который принимает входные данные и предыдущее скрытое состояние и создает выходные данные и новое скрытое состояние. Параметры веса в рекуррентном блоке распределяются между временными шагами, что означает, что он может применять одну и ту же операцию к разным позициям в последовательности.
процесс расчета
Процесс вычисления RNN на каждом временном шаге выглядит следующим образом:
1. Получение входных данных текущего временного шага и скрытого состояния предыдущего временного шага.
2. Вычислите выходные данные на текущем временном шаге, используя эти входные данные и скрытое состояние.
3. Обновите скрытое состояние для использования на следующем временном шаге.
преимущество
Поскольку RNN имеет рекуррентную структуру, она может сохранять память при обработке данных последовательности и фиксировать долгосрочные зависимости в последовательностях. Это позволяет RNN хорошо выполнять многие задачи, такие как моделирование языка, машинный перевод, распознавание речи, анализ настроений и т. д.
недостаток
Однако традиционная RNN имеет проблему исчезновения градиента или взрыва градиента при работе с долгосрочными зависимостями, что затрудняет захват зависимостей на большом расстоянии.
Базовое введение в LSTM
обзор
LSTM (Long Short-Term Memory, сеть долговременной кратковременной памяти) — это усовершенствованная структура рекуррентной нейронной сети (RNN), которая используется для решения проблемы долговременной зависимости в традиционных RNN. По сравнению с традиционной RNN, LSTM представляет механизм стробирования, который может лучше фиксировать и обрабатывать долгосрочные зависимости в данных последовательности.
Основная идея
Основная идея LSTM состоит в том, чтобы представить три блока стробирования: входной шлюз, забытый шлюз и выходной шлюз. Эти блоки управления позволяют сети LSTM выборочно сохранять или отбрасывать информацию и эффективно управлять потоком градиентов при передаче информации.
Базовая структура
Ниже приведены функции каждого блока стробирования в LSTM:
1. Входные ворота: определите, какие части входной информации текущего временного шага необходимо запомнить. Он использует сигмовидную функцию для получения значения от 0 до 1, описывающего важность каждого входа.
2. Forget Gate: Решите, какую информацию в предыдущем скрытом состоянии нужно забыть. Используя сигмовидную функцию, ворота забывания могут управлять важностью предыдущего скрытого состояния на текущем временном шаге.
3. Выходные ворота: в зависимости от ввода текущего временного шага и предыдущего скрытого состояния решите, сколько информации должно быть выведено на следующий временной шаг. Выходной вентиль использует сигмовидную функцию для управления объемом информации в скрытом состоянии и функцию тангенса для генерации выходных данных на текущем временном шаге.
преимущество
Используя эти блоки управления, сети LSTM могут гибко управлять потоком информации и сохранением памяти при обработке данных последовательности. Это позволяет LSTM лучше справляться с долгосрочными зависимостями и хорошо работать в различных задачах моделирования последовательностей, таких как машинный перевод, распознавание речи, генерация текста и т. д.
Код и подробные комментарии
import torch
from torch import nn
import torchvision.datasets as dsets
import torchvision.transforms as transforms
import matplotlib.pyplot as plt
# 可复现
# torch.manual_seed(1) # reproducible
# Hyper Parameters
EPOCH = 1 # train the training data n times, to save time, we just train 1 epoch
# 批大小
BATCH_SIZE = 64
TIME_STEP = 28 # rnn time step / image height
INPUT_SIZE = 28 # rnn input size / image width
LR = 0.01 # learning rate
DOWNLOAD_MNIST = True # set to True if haven't download the data
# Mnist digital dataset
train_data = dsets.MNIST(
root='./mnist/',
train=True, # this is training data
transform=transforms.ToTensor(), # Converts a PIL.Image or numpy.ndarray to
# torch.FloatTensor of shape (C x H x W) and normalize in the range [0.0, 1.0]
download=DOWNLOAD_MNIST, # download it if you don't have it
)
# plot one example
print(train_data.train_data.size()) # (60000, 28, 28)
print(train_data.train_labels.size()) # (60000)
plt.imshow(train_data.train_data[0].numpy(), cmap='gray')
plt.title('%i' % train_data.train_labels[0])
plt.show()
# Data Loader for easy mini-batch return in training
train_loader = torch.utils.data.DataLoader(dataset=train_data, batch_size=BATCH_SIZE, shuffle=True)
# convert test data into Variable, pick 2000 samples to speed up testing
test_data = dsets.MNIST(root='./mnist/', train=False, transform=transforms.ToTensor())
test_x = test_data.test_data.type(torch.FloatTensor)[:2000]/255. # shape (2000, 28, 28) value in range(0,1)
test_y = test_data.test_labels.numpy()[:2000] # covert to numpy array
class RNN(nn.Module):
def __init__(self):
super(RNN, self).__init__()
self.rnn = nn.LSTM( # if use nn.RNN(), it hardly learns
input_size=INPUT_SIZE,
hidden_size=64, # rnn hidden unit
num_layers=1, # number of rnn layer
batch_first=True, # input & output will has batch size as 1s dimension. e.g. (batch, time_step, input_size)
)
self.out = nn.Linear(64, 10)
def forward(self, x):
# 输入向量的形状
# x shape (batch, time_step, input_size)
# r_out shape (batch, time_step, output_size)
# h_n shape (n_layers, batch, hidden_size)
# h_c shape (n_layers, batch, hidden_size)
r_out, (h_n, h_c) = self.rnn(x, None) # None represents zero initial hidden state
# choose r_out at the last time step
# 选择输出最后一步的r_out
out = self.out(r_out[:, -1, :])
return out
rnn = RNN()
print(rnn)
optimizer = torch.optim.Adam(rnn.parameters(), lr=LR) # optimize all cnn parameters
loss_func = nn.CrossEntropyLoss() # the target label is not one-hotted
# training and testing
for epoch in range(EPOCH):
for step, (b_x, b_y) in enumerate(train_loader): # gives batch data
b_x = b_x.view(-1, 28, 28) # reshape x to (batch, time_step, input_size)
output = rnn(b_x) # rnn output
loss = loss_func(output, b_y) # cross entropy loss
optimizer.zero_grad() # clear gradients for this training step
loss.backward() # backpropagation, compute gradients
optimizer.step() # apply gradients
# 每训练50步之后,测试一下准确度
if step % 50 == 0:
test_output = rnn(test_x) # (samples, time_step, input_size)
pred_y = torch.max(test_output, 1)[1].data.numpy()
accuracy = float((pred_y == test_y).astype(int).sum()) / float(test_y.size)
print('Epoch: ', epoch, '| train loss: %.4f' % loss.data.numpy(), '| test accuracy: %.2f' % accuracy)
# print 10 predictions from test data
test_output = rnn(test_x[:10].view(-1, 28, 28))
pred_y = torch.max(test_output, 1)[1].data.numpy()
print(pred_y, 'prediction number')
print(test_y[:10], 'real number')
результат операции