這篇博客不是一篇講解原理的博客，這篇博客主要講解tnesorlfow的RNN代碼結構，通過代碼來學習RNN，以及講解time_steps，如果這篇博客沒有讓你明白time_steps，歡迎博客下面評論交流。
我曾翻閱各大網站，各大博客，他們的對RNN中time_steps的講解，都沒有一個讓人醍醐灌頂的答案，甚至讓人越看模糊。有的博主在博客中講的看似他懂了，一問他自己他答不上來。在這里，我向全中國還迷糊在time_step的學者答疑，立此博文。
學習RNNCell要重點關注三個地方：
- 類方法 call
- 類屬性 state_size
- 類屬性 output_size
RNN_Cell
想要看懂tensorflow RNN代碼，我們必須要先了解RNNCell，RNNcell 是 tensorlfow中實現RNN的基本單元。我們平時在代碼中用的是RNNcell的子類，BasicRNNCell（RNN的基礎類）和BasicLSTMCell（LSTM的基礎類）。
注意：RNNCell是抽象類不能進行實例化，可以使用它的子類BasicRNNCell或BasicLSTMCell進行實例化，得到cell。
所有的RNNCell的之類都會實現一個__call__函數，利用call函數可以實現RNN的單步計算
使用方式是：(output, next_state) = call(input, state)
舉例：輸入序列是：$x_1、x_2、x_3$，RNN的初始狀態為$h_0$
t=1時刻，$(output_1, h_1) = cell(x_1,h_0)$
t=2時刻，$(output_2, h_2) = cell(x_2,h_1)$
t=3時刻，$(output_3, h_3) = cell(x_3,h_2)$
每調用一次RNNCell的call方法，就相當於在時間上推進了一步。
RNNCell中還有兩個類屬性比較重要，state_size(隱層的大小)，output_size(輸出的大小)。output_size一般等於最后一層RNN的state_size。
舉例：設輸入數據的形狀為(batch_size, input_size)，那么計算時得到的隱層狀態就是(batch_size, state_size)，輸出就是(batch_size, output_size)=(batch_size, 最后一層state_size)。
BaseRNNCell
在TensorFlow中定義一個基本RNN單元：
import tensorflow as tf rnn_cell = tf.nn.rnn_cell.BasicRNNCell(num_units=128) # state_size = 128 # cell = tf.keras.layers.SimpleRNNCell(units=128) print(rnn_cell.state_size) # 128 # 32 是 batch_size inputs = tf.placeholder(tf.float32, shape=(32, 100)) # 通過zero_state得到一個全0的初始狀態，形狀為(batch_size, state_size) h0 = rnn_cell.zero_state(32, tf.float32) # h0.shape=(32, 128) # 調用call函數 output, h1 = rnn_cell.__call__(inputs, h0) print(output.shape) # (32, 128) print(h1.shape) # (32, 128)
注意：隱藏層的初始化cell.zero_state(batch)，shape=(batch_size,state_size)
BaseLSTMCell
在TensorFlow中定義一個基本LSTM單元：
import tensorflow as tf lstm_cell = tf.nn.rnn_cell.BasicLSTMCell(num_units=128) print(lstm_cell.state_size) # LSTMStateTuple(c=128, h=128) inputs = tf.placeholder(tf.float32, shape=(32, 100)) # 32 是 batch_size h0 = lstm_cell.zero_state(32, tf.float32) # (32,128) # 調用call函數 output, h1 = lstm_cell.__call__(inputs, h0) print(output.shape) # shape=(32, 128) print(h1.h.shape) # shape=(32, 128) print(h1.c.shape) # shape=(32, 128)
對於BasicLSTMCell，因為LSTM可以看做有兩個隱狀態h和c，對應的隱層就是一個Tuple，每個都是(batch_size, state_size)的形狀
時間維度靜態展開：static_rnn
tf.nn.static_rnn——隨時間靜態展開。static_rnn() 返回兩個對象，第一個是每一時刻time_steps RNN輸出的列表，另一個是RNN網絡的最終狀態state。下面代碼舉例time_steps=2的輸入。
X0 = tf.placeholder(tf.float32, [None, n_inputs]) X1 = tf.placeholder(tf.float32, [None, n_inputs]) basic_cell = tf.contrib.rnn.BasicRNNCell(num_units=n_neurons) output_seqs, states = tf.contrib.rnn.static_rnn(basic_cell, [X0, X1], dtype=tf.float32) Y0, Y1 = output_seqs
如果有50個tiime_steps時刻，操作50個輸入占位符實在太繁瑣了，假如輸入shape=(None, time_steps, imput_size)，可以用如下方法一並輸入
X = tf.placeholder(tf.float32, [None, n_steps, n_inputs]) X = tf.transpose(X, perm=[1, 0, 2]) # shape=(n_steps, batchs ,n_inputs) X_seqs = tf.unstack(X) # time_steps個(batchs, n_inputs)的列表 basic_cell = tf.contrib.rnn.BasicRNNCell(num_units=n_neurons) output_seqs, states = tf.contrib.rnn.static_rnn(basic_cell, X_seqs, dtype=tf.float32) outputs = tf.transpose(tf.stack(output_seqs), perm=[1, 0, 2])
最終的outputs是一個包含所有實例、任一時刻、所有神經元的輸出的張量。幸運的是，還有更好的解決方案，那就是dynamic_rnn()函數。
時間維度動態展開：dynamic_rnn
tf.nn.dynamic_rnn——隨時間動態展開。基礎的RNNCell有一個很明顯的問題：對於單個的RNNCell，我們使用它的call函數進行運算時，只是在序列時間上前進了一步。如果我們的序列長度為10，就要調用10次call函數，比較麻煩。對此，TensorFlow提供了一個tf.nn.dynamic_rnn函數，該函數就相當於調用了n次call函數，即通過${h_0,x_1, x_2, …., x_n}$直接得${h_1,h_2…,h_n}$。
具體來說，設輸入數據的格式為 (batch_size, time_steps, input_size)，
- batch_size：表示batch的大小，即一個batch中序列的個數，
- time_steps：表示序列本身的長度，如在Char RNN中，長度為10的句子對應的time_steps就等於10。
- input_size：表示輸入數據單個序列單個時間維度上固有的長度。
舉例：假設輸入數據的格式為(batch_size, time_steps, input_size)，其中time_steps表示序列本身的長度，如在NLP中，一句話有25個字，每個字的向量維度為300，那么time_steps就是句子的長度=25，input_size=300。
假設我們已經定義好了一個RNNCell，調用time_steps該RNNCell的call函數次，對應的代碼是：
outputs, state = tf.nn.dynamic_rnn(cell, inputs, initial_state=initial_state)
參數：
inputs: 輸入序列 shape = (batch_size, time_steps, input_size)cell: RNNCellinitial_state: 初始狀態。一般可以取零矩陣shape = (batch_size, cell.state_size)。
返回：
- outputs：time_steps步里所有輸出，shape=(batch_size, time_steps, cell.output_size)
- state：最后一步的隱狀態，它的形狀為(batch_size, cell.state_size)
import tensorflow as tf rnn_cell = tf.contrib.rnn.BasicRNNCell(num_units=128) # states_size=128 X = tf.placeholder(tf.float32, [32, 10, 100]) # input_shape=(batch_size, time_steps,input_size) outputs, states = tf.nn.dynamic_rnn(rnn_cell, X, dtype=tf.float32) print(outputs.shape) # (batch_size,time_size, cell.output_size)=(32, 10, 128) print(states.shape) # (batch_size, output_size)=(batch_size, states_size)=(32, 128)
變長輸入序列
前面我們處理的輸入shape=(batch_size, time_step, input_size)，輸入序列是定長的，拿我們做自然語言處理為例子，如果數據有1000段時序的句子，每句話有25個字，對每個字進行向量化，每個字的向量維度為300，那么batch_size=1000，time_steps=25，input_size=300。但是每句話的句子長度都是不一樣的，這時候我們就需要在調用dynamic_rnn()（或者static_rnn）時使用sequence_length參數。指明了每一實例輸入序列的長度。例如：
X = tf.placeholder(tf.float32, [None, n_steps, n_inputs]) # (batch_size, time_steps,input_size) seq_length = tf.placeholder(tf.int32, [None]) basic_cell = tf.contrib.rnn.BasicRNNCell(num_units=n_neurons) outputs, states = tf.nn.dynamic_rnn(basic_cell, X, sequence_length=seq_length, dtype=tf.float32)
假設我們輸入的第二個實例只有一個時刻的輸入，表示該實例張量的第二維需要補零，如下所示：
X_batch = np.array([ # step 0 step 1 [[0, 1, 2], [9, 8, 7]], # instance 0 [[3, 4, 5], [0, 0, 0]], # instance 1 (padded with a zero vector) [[6, 7, 8], [6, 5, 4]], # instance 2 [[9, 0, 1], [3, 2, 1]], # instance 3 ]) seq_length_batch = np.array([2, 1, 2, 2]) with tf.Session() as sess: init.run() outputs_val, states_val = sess.run([outputs, states], feed_dict={X: X_batch, seq_length: seq_length_batch})
堆疊RNN：MultiRNNCell
單層RNN能力有限，我們需要多層的RNN。將x輸入第一層RNN的后得到隱層狀態h，這個隱層狀態就相當於第二層RNN的一個輸入，第二層RNN的隱層狀態又相當於第三層RNN的一個輸入，以此類推。在TensorFlow中，可以使用tf.nn.rnn_cell.MultiRNNCell函數對RNNCell進行堆疊
import tensorflow as tf # 每調用一次這個函數就返回一個BasicRNNCell def get_a_cell(): return tf.nn.rnn_cell.BasicRNNCell(num_units=128) # 用tf.nn.rnn_cell MultiRNNCell創建3層RNN Multi_cell = tf.nn.rnn_cell.MultiRNNCell([get_a_cell() for _ in range(3)]) # 3層RNN # 得到的cell實際也是RNNCell的子類，它的state_size是(128, 128, 128)，
# 這里並不是128x128x128的意思，而是表示共有3個隱層狀態，每個隱層狀態的大小為128 print(Multi_cell.state_size) # (128, 128, 128) # 使用對應的call函數 inputs = tf.placeholder(tf.float32, shape=(32, 100)) # 32 是 batch_size h0 = Multi_cell.zero_state(32, tf.float32) # 通過zero_state得到一個全0的初始狀態 output, h1 = Multi_cell.__call__(inputs, h0) print(h1) # tuple中含有3個32x128的向量 # (<tf.Tensor 'multi_rnn_cell/cell_0/basic_rnn_cell/Tanh:0' shape=(32, 128) dtype=float32>, # <tf.Tensor 'multi_rnn_cell/cell_1/basic_rnn_cell/Tanh:0' shape=(32, 128) dtype=float32>, # <tf.Tensor 'multi_rnn_cell/cell_2/basic_rnn_cell/Tanh:0' shape=(32, 128) dtype=float32>)
RNN的其他變種
### ------------ LSTM ------------- ### lstm_cell = tf.contrib.rnn.BasicLSTMCell(num_units=n_neurons) # peephole connections # 讓長期記憶也參與控制門的管理可能會更好 lstm_cell = tf.contrib.rnn.LSTMCell(num_units=n_neurons, use_peepholes=True) ### ------------ GRU ------------- ### gru_cell = tf.contrib.rnn.GRUCell(num_units=n_neurons)
time_steps專欄
有的人學習到RNN的時候，死活都弄不清batch、input_size、time_steps。在這篇博文中，我做一個專欄。
文字數據
如果數據有1000段時序的句子，每句話有25個字，對每個字進行向量化，每個字的向量維度為300，那么batch_size=1000，time_steps=25，input_size=300。
解析：time_steps一般情況下就是等於句子的長度，input_size等於字量化后向量的長度。
圖片數據
拿MNIST手寫數字集來說，訓練數據有6000個手寫數字圖像，每個數字圖像大小為28*28，batch_size=6000沒的說，time_steps=28，input_size=28，我們可以理解為把圖片圖片分成28份，每份shape=(1, 28)。
音頻數據
假如訓練數據有225段語音，每段語音對其進行分幀處理，每段語音有480幀，每一幀數據shape=(8910,)，則輸入shape=(225, 480 8910)，batch_size=225，time_steps就是，每段語音的幀數，time_steps=480，input_size=8910
我們使用RNN永遠只需要記住，輸入數據一定要是時序的，不能用這一段語音的語音幀，接下一段語音的語音幀，因為這兩段語音之間沒有時域連續性。
RNN數據一定要是三維的，第一維是batch_size，第二維是time_steps，第三位是數據input_size。