Глубокое обучение — LSTM решает проблемы классификации

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