完全圖解RNN、RNN變體、Seq2Seq、Attention機制
完全圖解RNN、RNN變體、Seq2Seq、Attention
機制
本文首發於知乎專欄“ai insight”！
本文主要是利用圖片的形式，詳細地介紹了經典的RNN、RNN幾個重要變體，以及Seq2Seq模型、Attention機制。
希望這篇文章能夠提供一個全新的視角，幫助初學者更好地入門。
1、從單層網路談起
在學習RNN之前，首先要了解一下最基本的單層網路，它的結構如圖：
輸入是x，經過變換Wx+b和啟用函式f得到輸出y。相信大家對這個已經非常熟悉了。
2、經典的RNN結構(N vs N)
在實際應用中，我們還會遇到很多序列形的資料：
如：
-
自然語言處理問題。x1可以看做是第一個單詞，x2可以看做是第二個單詞，依次類推。
-
語音處理。此時，x1、x2、x3……是每幀的聲音訊號。
-
時間序列問題。例如每天的股票價格等等
序列形的資料就不太好用原始的神經網路處理了。
為了建模序列問題，RNN引入了隱狀態h（hidden state）的概念，h可以對序列形的資料提取特徵，接著再轉換為輸出。
先從h1的計算開始看：
圖示中記號的含義是：
-
圓圈或方塊表示的是向量。
-
一個箭頭就表示對該向量做一次變換。如上圖中h0和x1分別有一個箭頭連線，就表示對h0和x1各做了一次變換。
在很多論文中也會出現類似的記號，初學的時候很容易搞亂，但只要把握住以上兩點，就可以比較輕鬆地理解圖示背後的含義。
h2的計算和h1類似。要注意的是，在計算時，每一步使用的引數U、W、b都是一樣的，也就是說每個步驟的引數都是共享的，這是RNN的重要特點，一定要牢記。
依次計算剩下來的（使用相同的引數U、W、b）：
我們這裡為了方便起見，只畫出序列長度為4的情況，實際上，這個計算過程可以無限地持續下去。
我們目前的RNN還沒有輸出，得到輸出值的方法就是直接通過h進行計算：
正如之前所說，一個箭頭就表示對對應的向量做一次類似於f(Wx+b)的變換，這裡的這個箭頭就表示對h1進行一次變換，得到輸出y1。
剩下的輸出類似進行（使用和y1同樣的引數V和c）：
OK！大功告成！這就是最經典的RNN結構，我們像搭積木一樣把它搭好了。它的輸入是x1, x2, .....xn，輸出為y1, y2, ...yn，也就是說，輸入和輸出序列必須要是等長的。
由於這個限制的存在，經典RNN的適用範圍比較小，但也有一些問題適合用經典的RNN結構建模，如：
-
計算視訊中每一幀的分類標籤。因為要對每一幀進行計算，因此輸入和輸出序列等長。
-
輸入為字元，輸出為下一個字元的概率。
-
這就是著名的Char RNN（詳細介紹請參考：The Unreasonable Effectiveness of Recurrent Neural Networks，Char RNN可以用來生成文章，詩歌，甚至是程式碼，非常有意思）。
3、N vs 1
有的時候，我們要處理的問題輸入是一個序列，輸出是一個單獨的值而不是序列，應該怎樣建模呢？
實際上，我們只在最後一個h上進行輸出變換就可以了：
這種結構通常用來處理序列分類問題。
如輸入一段文字判別它所屬的類別，輸入一個句子判斷其情感傾向，輸入一段視訊並判斷它的類別等等。
4、1 VS N
輸入不是序列而輸出為序列的情況怎麼處理？我們可以只在序列開始進行輸入計算：
還有一種結構是把輸入資訊X作為每個階段的輸入：
下圖省略了一些X的圓圈，是一個等價表示：
這種1 VS N的結構可以處理的問題有：
-
從影象生成文字（image caption），此時輸入的X就是影象的特徵，而輸出的y序列就是一段句子
-
從類別生成語音或音樂等
5、N VS M
下面我們來介紹RNN最重要的一個變種：N vs M。
這種結構又叫Encoder-Decoder模型，也可以稱之為Seq2Seq模型。
原始的N vs N RNN要求序列等長，然而我們遇到的大部分問題序列都是不等長的，如機器翻譯中，源語言和目標語言的句子往往並沒有相同的長度。
為此，Encoder-Decoder結構先將輸入資料編碼成一個上下文向量c：
得到c有多種方式，最簡單的方法就是把Encoder的最後一個隱狀態賦值給c，還可以對最後的隱狀態做一個變換得到c，也可以對所有的隱狀態做變換。
拿到c之後，就用另一個RNN網路對其進行解碼，這部分RNN網路被稱為Decoder。具體做法就是將c當做之前的初始狀態h0輸入到Decoder中：
還有一種做法是將c當做每一步的輸入：
由於這種Encoder-Decoder結構不限制輸入和輸出的序列長度，因此應用的範圍非常廣泛，比如：
-
機器翻譯。Encoder-Decoder的最經典應用，事實上這一結構就是在機器翻譯領域最先提出的
-
文字摘要。輸入是一段文字序列，輸出是這段文字序列的摘要序列。
-
閱讀理解。將輸入的文章和問題分別編碼，再對其進行解碼得到問題的答案。
-
語音識別。輸入是語音訊號序列，輸出是文字序列。
-
…………
6、Attention機制
在Encoder-Decoder結構中，Encoder把所有的輸入序列都編碼成一個統一的語義特徵c再解碼。
因此， c中必須包含原始序列中的所有資訊，它的長度就成了限制模型效能的瓶頸。
如機器翻譯問題，當要翻譯的句子較長時，一個c可能存不下那麼多資訊，就會造成翻譯精度的下降。
Attention機制通過在每個時間輸入不同的c來解決這個問題，下圖是帶有Attention機制的Decoder：
每一個c會自動去選取與當前所要輸出的y最合適的上下文資訊。
具體來說，我們用 
以機器翻譯為例（將中文翻譯成英文）：
輸入的序列是“我愛中國”，因此，Encoder中的h1、h2、h3、h4就可以分別看做是“我”、“愛”、“中”、“國”所代表的資訊。
在翻譯成英語時，第一個上下文c1應該和“我”這個字最相關，因此對應的就比較大，而相應的
c2應該和“愛”最相關，因此對應的
至此，關於Attention模型，我們就只剩最後一個問題了，那就是：這些權重
事實上，
同樣還是拿上面的機器翻譯舉例，
7、總結
本文主要講了N vs N，N vs 1、1 vs N、N vs M四種經典的RNN模型，以及如何使用Attention結構。希望能對大家有所幫助。
可能有小夥伴發現沒有LSTM的內容，其實是因為LSTM從外部看和RNN完全一樣，因此上面的所有結構對LSTM都是通用的，想了解LSTM內部結構的可以參考這篇文章：Understanding LSTM Networks，寫得非常好，推薦閱讀。