RNN中的门控循环单元GRU

àì夳堔傛蜴生んèń 2023-07-23 11:55 145阅读 0赞

# 1. RNN隐层单元结构可视化 #

下面是一个基本的RNN隐层单元结构：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3liZGVzaXJl_size_16_color_FFFFFF_t_70]

其中，a是上一个时刻的激活函数输出值，x是当前时刻的输入，y是当前时刻的输出。

要理解这个单元结构，需要注意2点：

*  a与x结合，通过激活函数的作用后，有两个分支，一个分支作为下一个时刻的输入a
 *  另一个分支通过softmax作用后，作为当前时刻的输出y

# 2. GRU单元中的符号 #

GRU（Gated Recurrent Unit）是门控循环单元的简称。为了理解GRU，我们一步一步引入一些记号：

1.  符号c：代表memory cell（记忆细胞），提供了记忆能力
2.  c就等于t时刻激活函数输出值a（这里c=a，但在LSTM中他们并不相等）
3.  c~的值（如下），它会被用于更新c的值（本节6中会讲到更新公式）

![在这里插入图片描述][20200407214915956.png]

所以，c<t>的值，是01之间的小数，因为tanh(x)在x大于0时，输出是0~1之间的小数。

1.  sigma（符号类似6），代表sigmoid函数，所以"6(x)"的输出值为0~1之间的小数；而且大多数x输入，输出的值都非常接近0或者1。具体在5中可以看到这个符号。
2.  gamma（符号类似7镜像过来），看起来像门的边缘，所以门用gamma符号来表示。有时候也用Gate的G字母来表示（门）。门会决定是否要更新c值，门的作用就是决定什么时候你会更新（记住）这个值。

![在这里插入图片描述][20200407214927508.png]

1.  最终，记忆细胞c的值，由下式决定

![在这里插入图片描述][20200407214953174.png]

如果gamma=1，则用3中c~的值的更新c；否则，就不更新c，沿用上一时刻的值（c=c）。

因为sigmoid函数的值比较容易为0，所以大部分内容是不需要记忆的。

# 3. GRU单元原理举例 #

我们举个简单的例子来说明GRU的工作原理：

给定一句话：The cat, which already ate …, was full.

GRU在处理时，t时刻处理到cat时，就会记住cat为单数，所以记忆细胞c值为1（假设单数就为1）。

处理到was之前，发现记忆细胞c还是为1，所以就知道是单数，我们需要用was。

门的作用，就是告诉我们哪些时刻需要更新c值（需要记住它），哪些时刻可以不更新（可以忘记它，不需要记忆这些内容）。所以处理到“The cat”时，更新c值，而后面的半句话（which already ate …）可以不需要记忆（可以忘记它了）。

注意，这里举例简化了c的维度，实际上，c的值可能是高维的。并且实际使用中，gamma大多数情况下不会为1或0，而是0~1之间的小数。

# 4. GRU单元结构可视化 #

首先说明，上面的公式，比这个结构图好理解。具体的GRU单元结构可视化如下图

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3liZGVzaXJl_size_16_color_FFFFFF_t_70 1]

它与1中讲到的RNN隐层结构很类似，要理解这个单元结构，需要注意2点：

*  c与x结合，通过激活函数与门的作用后，有两个分支，一个分支作为下一个时刻的输入c
 *  另一个分支通过softmax作用后，作为当前时刻的输出y

# 5. GRU如何改善梯度消失 #

我们再回看记忆细胞值更新的公式：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3liZGVzaXJl_size_16_color_FFFFFF_t_70 2]

可见gamma（门控）的值，是比较容易接近0的，因为sigmoid函数的作用。在sigmoid(x)中，在一个很大的参数区间（x<0）都等于0。

所以，gamma的值接近0时，c的值就会被维护住（c=c），这样就不会因为梯度消失而使c的值消失了。

回忆一下，梯度消失，会导致a的值，不能传到后面时刻。这里c=a（2.2中定义）。c能被记住，也就不存在梯度消失问题了。

这使得RNN能被运行在非常庞大的依赖词上了。

# 6. 完整的GRU公式 #

上面讲的是简化了的GRU，完整的GRU，还需要加上一个门（一共两个门），如下：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3liZGVzaXJl_size_16_color_FFFFFF_t_70 3]

打印体公式(3个公式)是简化的GRU的表达（上面讲的内容），手写体公式是完整GRU中被加上的另一个门gamma\_r（符号类似7镜像过来）。

r代表相关性，所以gamma\_r表示计算出的下一个时刻的c值，与上一个时刻的c值有多大的相关性。

这4个公式，表示了完整的GRU。

# 7. 总结 #

研究者通过很多的实验，证明了GRU再解决梯度消失问题上的有效性，也证明了GRU能让神经网络有更深的连接，能产生更长范围的依赖，所以GRU是一个标准版本，是研究者们最常使用的一个版本，他是非常健壮和实用的。

# 参考 #

*  \[1\]. Andrew Ng Sequence Models video

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3liZGVzaXJl_size_16_color_FFFFFF_t_70]: /images/20230528/0d2881eace5148cfaed17f24e9b2e9b2.png
[20200407214915956.png]: /images/20230528/f9c9bba754214b4abf8cadf05e396664.png
[20200407214927508.png]: /images/20230528/4ca5c466bf854a378328c93403e9e514.png
[20200407214953174.png]: /images/20230528/40de3ceab1da4b248b1ab0e2dbb14ef6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3liZGVzaXJl_size_16_color_FFFFFF_t_70 1]: /images/20230528/f3d44233fb984e5c9418a5220d7ec8ed.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3liZGVzaXJl_size_16_color_FFFFFF_t_70 2]: /images/20230528/3c647f5047e44beeac6a576e017d51f9.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3liZGVzaXJl_size_16_color_FFFFFF_t_70 3]: /images/20230528/f9254dd3d01642e28b2df20b58c563ec.png