继续创作，加快成长！这是我参加「日新方案 10 月更文挑战」的第6天，点击检查活动概况

---

Long Short-Term Memory | MIT Press Journals & Magazine | IEEE Xplore

长短期存储器（long short-term memory, LSTM） 是为了解决RNN梯度爆炸梯度消失问题提出来的，由于RNN每一步都会保存上一步的一些东西，跟着时刻步逐渐变长，离得远的那些信息占比就很小了，所以提出了比如LSTM、GRU等方法来解决这些问题。两者的首要思维是关于前边时刻步的内容有选择地保存，直观可以理解为有用的信息多留一点，没用的恰当丢掉。

先来看一下公式

• 每一步核算都需要三部分内容：

  • 上一个时刻步传递过来的回忆单元

  • 上一个时刻步步传递过来的隐状况

  • 本时刻步的输入

• 每一步核算的输出都有两部分内容：

  • 本时刻步的回忆单元

  • 本时刻步的躲藏状况

• 浅蓝色圆圈表明神经网络运用的激活函数

• 深蓝色圆圈表明运算进程

三门

LSTM有三个门，它分别是输入门It\mathbf{I}_tIt​、忘掉门Ft\mathbf{F}_tFt​和输出门Ot\mathbf{O}_tOt​。

假设有 $h$ 个躲藏单元，批量巨细为 $n$，输入数为 $d$。

公式如下：

• 其中输入 Xt∈Rnd\mathbf{X}_t \in \mathbb{R}^{n \times d}Xt​∈Rnd
• 前一时刻步的躲藏状况为 Ht−1∈Rnh\mathbf{H}_{t-1} \in \mathbb{R}^{n \times h}Ht−1​∈Rnh。
• $t$时刻步时， 输入门It∈Rnh\mathbf{I}_t \in \mathbb{R}^{n \times h}It​∈Rnh，忘掉门Ft∈Rnh\mathbf{F}_t \in \mathbb{R}^{n \times h}Ft​∈Rnh，输出门Ot∈Rnh\mathbf{O}_t \in \mathbb{R}^{n \times h}Ot​∈Rnh。
• Wxi,Wxf,Wxo∈Rdh\mathbf{W}_{xi}, \mathbf{W}_{xf}, \mathbf{W}_{xo} \in \mathbb{R}^{d \times h}Wxi​,Wxf​,Wxo​∈Rdh 和 Whi,Whf,Who∈Rhh\mathbf{W}_{hi}, \mathbf{W}_{hf}, \mathbf{W}_{ho} \in \mathbb{R}^{h \times h}Whi​,Whf​,Who​∈Rhh 是权重参数
• bi,bf,bo∈R1h\mathbf{b}_i, \mathbf{b}_f, \mathbf{b}_o \in \mathbb{R}^{1 \times h}bi​,bf​,bo​∈R1h 是偏置参数。
• 激活函数仍旧运用sigmoid

当然也可以兼并起来写：

候选回忆单元

长短期回忆网络引入了存储回忆单元（memory cell）。

• Wxc∈Rdh\mathbf{W}_{xc} \in \mathbb{R}^{d \times h}Wxc​∈Rdh 和 Whc∈Rhh\mathbf{W}_{hc} \in \mathbb{R}^{h \times h}Whc​∈Rhh 是权重参数。
• bc∈R1h\mathbf{b}_c \in \mathbb{R}^{1 \times h}bc​∈R1h 是偏置参数。
• 候选回忆单元运用的激活函数是tanh。

回忆单元

输入门 It\mathbf{I}_tIt​ 控制选用多少来自 C~t\tilde{\mathbf{C}}_tC~t​ 的新数据，而忘掉门 Ft\mathbf{F}_tFt​ 控制保存了多少旧回忆单元 Ct−1∈Rnh\mathbf{C}_{t-1} \in \mathbb{R}^{n \times h}Ct−1​∈Rnh 的内容。最终核算成果存储在回忆单元Ct\mathbf{C}_t Ct​ 中。

• $\odot$在这儿的意思是按矩阵元素方位相乘，不是做一般的矩阵运算。

由于输入门、忘掉门他们都运用的sigmoid作为激活函数。因而它们两个的值都是趋近于0或者近于1的。

• 假如忘掉门为 $1$ 且输入门为 $0$，则曩昔的回忆单元 Ct−1\mathbf{C}_{t-1}Ct−1​ 将随时刻被保存并传递到当前时刻步。
• 假如忘掉门为 $0$ 且输入门为 $1$，则曩昔的回忆单元 Ct−1\mathbf{C}_{t-1}Ct−1​ 被丢掉掉，仅运用当前的候选回忆单元C~t\tilde{\mathbf{C}}_tC~t​。

引入这种规划是为了缓解梯度消失问题，并更好地捕获序列中的长距离依靠联系。

躲藏单元

输入门忘掉门都介绍了，输出门的作用就在 躲藏单元Ht\mathbf{H}_tHt​ 核算这一步。

公式如下：

• 输出门挨近 $1$，咱们就能够把咱们的回忆单元信息传递下去。
• 输出门挨近 $0$，咱们只保存存储单元内的所有信息。

代码

之前我还会写手动完成，便是完成以下核算进程，但是实际上其实便是用代码堆出来核算公式，也没什么意思，今后就不搞了，直接写怎么用pytorch完成。

---

import torch
from torch import nn
from d2l import torch as d2l
from torch.nn import functional as F

导包啊导包，这个不用解说了吧。

train_iter, vocab = d2l.load_data_time_machine(batch_size, num_steps)
batch_size, num_steps = 32, 35

这儿直接运用d2l加载数据集。

设定批量巨细batch_size和时刻步的长度num_steps，时刻步的长度便是每次LSTM处理的一个序列的长度。

class LSTMModel(nn.Module):
    def __init__(self, lstm_layer, vocab_size, **kwargs):
        super(LSTMModel, self).__init__(**kwargs)
        self.lstm = lstm_layer
        self.vocab_size = vocab_size
        self.num_hiddens = self.lstm.hidden_size
        if not self.lstm.bidirectional:
            self.num_directions = 1
            self.linear = nn.Linear(self.num_hiddens, self.vocab_size)
        else:
            self.num_directions = 2
            self.linear = nn.Linear(self.num_hiddens * 2, self.vocab_size)
    def forward(self, inputs, state):
        X = F.one_hot(inputs.T.long(), self.vocab_size)
        X = X.to(torch.float32)
        Y, state = self.lstm(X, state)
        output = self.linear(Y.reshape((-1, Y.shape[-1])))
        return output, state
    def begin_state(self, device, batch_size=1):
        return (torch.zeros((
            self.num_directions * self.lstm.num_layers,
            batch_size, self.num_hiddens), device=device),
                torch.zeros((
                    self.num_directions * self.lstm.num_layers,
                    batch_size, self.num_hiddens), device=device))

• __init__初始化这个类，这个类是承继了nn.Module的。

  • self.lstm设定核算层是LSTM层

  • self.vocab_size设定字典的巨细，这儿巨细是28，由于为了方便演示，咱们这儿运用的是字母进行分词，所以其中只有a~z26个字母外加和<unk>（空格和unknown）。

  • self.num_hiddens设置躲藏层的巨细。

    或许这儿会导致利诱，我刚开始看的时分也有一会儿的利诱。一般rnn的躲藏层，不是说其他的便是隐状况了吗？
    不是这样的，一般rnn是一般躲藏层，现在的GRU。LSTM是含有隐状况的躲藏层。所以仍是躲藏层。

  • if-else语句是设定LSTM单双向的，毕竟还有双向LSTM这种东西的存在。

• forward定义前向传达网络。

  也便是描述核算进程。

  • 这儿首先是将输入转化为对应的one-hot向量，再将其类型转化为float。

  • Y和state是核算隐状况的，这儿Y是输出全部的隐状况，state是输出最终一个时刻步的隐状况。留意 在这儿Y不是 输出。

  • output是用于存储输出的。

• begin_state是进行初始化。

  这儿是return了好长一个语句。可以拆解开看一会儿。

  

  这儿是初始化为0张量，初始化方位device=device由你传入的方位决定是CPU仍是GPU。这儿和一般RNN的区别在于一般RNN和GRU不同，二者只需要返回一个张量即可，但LSTM这儿是一个元组里两个张量。

这段代码看似是写了个LSTM的类，其实是换汤不换药的，便是之前手动简洁完成RNN那个文章里的RNN类改了一会儿。不论是RNN仍是GRU、LSTM，都是在那个类的基础上改的。那个RNN的类写的更完全，具体的可以看→洁完成RNN循环神经网络](简洁完成RNN循环神经网络)。

vocab_size, num_hiddens, device = len(vocab), 256, d2l.try_gpu()
num_epochs, lr = 100, 1
num_inputs = vocab_size
lstm_layer = nn.LSTM(num_inputs, num_hiddens)
model = LSTMModel(lstm_layer, len(vocab))
model = model.to(device)
d2l.train_ch8(model, train_iter, vocab, lr, num_epochs, device)

然后便是咱们的练习和猜测进程。

• 第一句和第二句分别是设置词典长度、躲藏层巨细、运转在CPU仍是GPU上、练习epoch数量、学习率。

• 设置lstm运用pytorch自带的nn.LSTM。

• 模型运用咱们的那个类，并且将其放到对应的设备上运转。

• 最终一句便是猜测练习的进程。

下图是100个epoch之后的成果，还没降到底，我这组练习数据要跑400多才能差不多平稳。成果会输出困惑度以及前缀为“time traveler”和“traveler”的猜测成果。