深度学习-LSTM与GRU

http://www.sohu.com/a/259957763_610300此篇文章绕开了数学公式，对LSTM与GRU采用图文并茂的方式进行说明，尤其是里面的动图，让人一目了然。

　　在RNN训练期间，信息不断地循环往复，神经网络模型权重的更新非常大。因为在更新过程中累积了错误梯度，会导致网络不稳定。极端情况下，权重的值可能变得大到溢出并导致NaN值。爆炸通过拥有大于1的值的网络层反复累积梯度导致指数增长产生，如果值小于1就会出现消失。

　　由于RNN 有一定的局限性它会出现梯度消失的情况不能长时间保存记忆例如：

I am from China, I speak Chinese.这个句子中的China对Chinese具有一定的决定性，但是由于距离太远难以产生关联。

 为解决这一问题，LSTM使用了Gate(“门”)，它可以保存重要记忆

RNN                                                     LSTM

 LSTM的核心内容就是CT

 信息流控制的关键，参数决定了h_t传递过程中，哪些被保存或舍弃。参数被Gate影响Sigmoid函数系数决定 C_t参数的变化，而Sigmoid 函数决定于－－输入， 之前状态

gate 如何进行控制？https://blog.csdn.net/m0epnwstyk4/article/details/79124800

方法：用门的输出向量按元素乘以我们需要控制的那个向量
原理：门的输出是 0到1 之间的实数向量，
当门输出为 0 时，任何向量与之相乘都会得到 0 向量，这就相当于什么都不能通过；
输出为 1 时，任何向量与之相乘都不会有任何改变，这就相当于什么都可以通过。

 分步分析 LSTM 原理       

第一步：新输入x_t前状态 h_t-1 决定C哪些信息可以舍弃，f_t与C_t-1运算，对部分信息进行去除，它就是遗忘门（forget gate），σ 是 sigmoid 函数。

第二步：新输入x_t前状态 h_t-1 告诉 C 哪些新信息想要保存i_t：新信息添加时的系数（对比 f_t）?_t单独新数据形成的控制参数，用于对C_t进行更新

第三步：根据旧的控制参数C_t-1, 新生成的更新控制参数 ?_t组合生成最终生成该时刻最终控制参数：

第二步与第三步合起来是输入门。

第四步：根据控制参数C_t 产生此刻的新的 LSTM 输出，它为输出门：

LSTM的工作方式可以总结为：1.C_t信息舍弃，2.C_t局部生成，3.C_t更新，4.C_t运算

这里使用的符号具有以下含义：

a）X：缩放的信息--"门"

b）+：添加的信息

c）σ：Sigmoid层

d）tanh：tanh层

e）h_t-1：上一个LSTM单元的输出

f）c_t-1：上一个LSTM单元的记忆

g）X_t：输入

h）c_t：最新的记忆

i）h_t：输出

下面摘自http://www.atyun.com/16821.html这篇文章的一部分，说到tanh与Sigmoid两个函数的作用

为什么使用tanh？

为了克服梯度消失问题，我们需要一个二阶导数在趋近零点之前能维持很长距离的函数。tanh是具有这种属性的合适的函数。

为什么要使用Sigmoid？

由于Sigmoid函数可以输出0或1，它可以用来决定忘记或记住信息。

信息通过很多这样的LSTM单元。图中标记的LSTM单元有三个主要部分：

1. LSTM有一个特殊的架构，它可以让它忘记不必要的信息。Sigmoid层取得输入X_t和h_t-1，并决定从旧输出中删除哪些部分（通过输出0实现）。在我们的例子中，当输入是“他有一个女性朋友玛丽亚”时，“大卫”的性别可以被遗忘，因为主题已经变成了玛丽亚。这个门被称为遗忘门f(t)。这个门的输出是f(t)* c_t-1。
2. 下一步是决定并存储记忆单元新输入X_t的信息。Sigmoid层决定应该更新或忽略哪些新信息。tanh层根据新的输入创建所有可能的值的向量。将它们相乘以更新这个新的记忆单元。然后将这个新的记忆添加到旧记忆c_t-1中，以给出c_t。在我们的例子中，对于新的输入，他有一个女性朋友玛丽亚，玛丽亚的性别将被更新。当输入的信息是，“玛丽亚在纽约一家著名的餐馆当厨师，最近他们在学校的校友会上碰面。”时，像“著名”、“校友会”这样的词可以忽略，像“厨师”、“餐厅”和“纽约”这样的词将被更新。
3. 最后，我们需要决定我们要输出的内容。Sigmoid层决定我们要输出的记忆单元的哪些部分。然后，我们把记忆单元通过tanh生成所有可能的值乘以Sigmoid门的输出，以便我们只输出我们决定的部分。在我们的例子中，我们想要预测空白的单词，我们的模型知道它是一个与它记忆中的“厨师”相关的名词，它可以很容易的回答为“烹饪”。我们的模型没有从直接依赖中学习这个答案，而是从长期依赖中学习它。

GRU可以说是LSTM的变种

　　介绍完LSTM的工作原理后，下面来看下门控循环单元GRU。GRU是RNN的另一类演化变种，与LSTM非常相似。GRU结构中去除了单元状态，而使用隐藏状态来传输信息。它只有两个门结构，分别是更新门和重置门。更新门的作用类似于LSTM中的遗忘门和输入门，它能决定要丢弃哪些信息和要添加哪些新信息。重置门用于决定丢弃先前信息的程度。

Reset gate

r_t 负责决定h_t−1对new memory  的重要性有多大， 如果r_t约等于0 的话，h_t-1就不会传递给new memory

new memory

是对新的输入x_t和上一时刻的hidden state h_t−1的总结。计算总结出的新的向量包含上文信息和新的输入x_t.

Update gate

z_t负责决定传递多少h_t−1给h_t。 如果z_t约等于1的话，h_t−1几乎会直接复制给h_t，相反，如果z_t约等于0， new memory 直接传递给h_t

Hidden state

h_t 由 h_t−1和相加得到，两者的权重由update gate z_t控制。

可以看一下此篇https://blog.csdn.net/u012223913/article/details/77724621对LSTM与GRU做了一个具体的区别介绍。

2. 区别
1. 对memory 的控制
LSTM： 用output gate 控制，传输给下一个unit

GRU：直接传递给下一个unit，不做任何控制

2. input gate 和reset gate 作用位置不同
LSTM: 计算new memory ?_t时不对上一时刻的信息做任何控制，而是用forget gate 独立的实现这一点

GRU: 计算new memory时利用reset gate 对上一时刻的信息 进行控制。

3. 相似
最大的相似之处就是， 在从t 到 t-1 的更新时都引入了加法。

这个加法的好处在于能防止梯度弥散，因此LSTM和GRU都比一般的RNN效果更好。

深度学习-LSTM与GRU

原文：https://www.cnblogs.com/yang901112/p/11900961.html