深度學習面試題32：循環神經網絡原理(RNN)

目錄

　　單層神經網絡

　　RNN原理

　　經典RNN結構

　　N VS 1 RNN結構

　　1 VS N RNN結構

　　Pytorch文本分類實踐

　　參考資料

---

RNN 的英文全稱是 Recurrent Neural Networks ，即循環神經網絡，他是一種對序列型數據進行建模的深度模型。在學習之前，先來復習基本的單層神經網絡。

單層神經網絡

單層網絡的輸入是向量x，經過Wx+b和激活函數f得到輸出y。

在實際應用中，我們會遇到很多序列形的數據：

例如：

自然語言處理問題中，x₁可以看作是第1個單詞的向量，x₂可以看作是第2個單詞的向量。

語音處理中，x₁，x₂，x₃，......可以看作是每一幀聲音信號的向量。

序列型的數據可以認為是一串信號，

比如一段文本“您吃了嗎？”

x₁可以表示“您”，x₂表示“吃”，依次類推。

可以表示“您”的獨熱編碼。

序列形數據不好用傳統的神經網絡處理，因為傳統神經網絡不能考慮一串信號中每個信號順序關系。這時候就能用RNN來處理。

 返回目錄

 

RNN原理

以文本分類舉例（分析用戶對電影是積極評價還是消極評價），某一條訓練數據為【“這個電影特效不差，推薦大家去看”，積極】

首先對文本分詞：

這個/電影/特效/不/差/推薦/大家/去/看

這時候我們可以把分詞結果按順序依次輸入神經網絡，這也要求網絡能夠處理詞匯的順序信息（否則輸入也能變成“這個電影特效差，不推薦大家去看”，恰好就變為消極類）

RNN引入了隱狀態的概念，就可以達到一種效果：你輸入模型的順序為“這個電影特效不差”時，能理解為積極的；你輸入“這個電影特效差”時，能理解為消極的。

也就是RNN借助隱狀態，捕獲到了輸入數據順序的信息

RNN的結構如下圖所示：

其中，

h₀為初始的記憶單元，一般以0向量初始化；

x₁為第1個詞向量；

W、U、V、b、c為模型參數，他們在每一個時間步是共享的，也就是h₁輸出之后計算h₂以及y₂時，還是使用的W、U、V、b、c參數；

y₁為第1個輸出向量

 返回目錄

 

經典RNN結構

 

這就是最經典的RNN結構，他的輸入是x₁，x₂，...，x_n，輸出為y₁，y₂，...，y_n，也就是說輸入序列和輸出序列必須是等長的，由於這個限制，經典RNN的適用范圍比較小，但也有一些問題上適用，比如：

計算視頻中每一幀的分類標簽。因為要對每一幀進行計算，因此輸入和輸出序列等長。

輸入為字符，輸出為下一個字符的概率。這就是著名的CharRNN問題。

 返回目錄

 

N VS 1 RNN結構

有的時候，問題的輸入是一個序列，輸出是一個單獨的值，此時只需在最后一個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，比如：

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；

輸入一段視頻判斷他的類別

 返回目錄

 

1 VS N RNN結構

輸入不是序列，而輸出是序列如何處理？結構改為下圖即可

應用場景：

從圖像生成文字（image caption）

從類別生成語音或音樂等

 返回目錄

 

Pytorch文本分類實踐

該項目為《NLP FROM SCRATCH: CLASSIFYING NAMES WITH A CHARACTER-LEVEL RNN》

項目地址https://pytorch.org/tutorials/intermediate/char_rnn_classification_tutorial

項目介紹：該項目是一個18類的文本分類任務，18類表示18個國家，每個國家也就是一個標簽。每個標簽下的樣本是一個姓氏文本（比如：“Abakumtsev”，這是一個俄國人的常用姓氏）。簡言之：根據一個姓氏，判別這個姓氏屬於哪個國家。

PS：個人感覺本項目的代碼里存在一些問題，經過修正后，准確率得到了提升（主要調整了一個網絡架構以及加入了一個relu激活函數），我也在和作者進行溝通，詳情可以查看https://github.com/pytorch/tutorials/issues/1052

思路：

■ 對每個文本拆解為字符粒度，每個字符進行獨熱編碼，本項目中一個字符由一個含57維向量表示。那么一個長度為5的單詞，就可以用一個5*57的矩陣表示。實際就是CharRNN的做法。

■ 網絡的初始隱藏層置為0向量，然后一個字符一個字符的傳入網絡，最終對最后一個時間步的隱藏層做Softmax轉換，接着使用交叉熵構造損失函數。

■ 梯度反向傳播，更新網絡參數。

■ 預測的時候，同訓練一致。不同點是在最后一個時間步，對隱藏層做Softmax轉換后，輸出概率最大的類別作為最終預測的標簽。

下圖描繪的是RNN的矩陣表示，與前面那張圖大同小異。同時這幅圖更細節的展示了本項目的架構、參數以及運行中間步驟各個張量的尺寸信息，相信這對大家深入理解RNN和本項目有很大幫助。

該項目的結果的混淆矩陣如下圖所示，可以看到准確率還是不錯的：

對應代碼

from __future__ import unicode_literals, print_function, division
from io import open
import glob
import os

def findFiles(path): return glob.glob(path)

print(findFiles('data/names/*.txt'))

import unicodedata
import string

all_letters = string.ascii_letters + " .,;'"
n_letters = len(all_letters)

# Turn a Unicode string to plain ASCII, thanks to https://stackoverflow.com/a/518232/2809427
def unicodeToAscii(s):
    return ''.join(
        c for c in unicodedata.normalize('NFD', s)
        if unicodedata.category(c) != 'Mn'
        and c in all_letters
    )

print(unicodeToAscii('Ślusàrski'))

# Build the category_lines dictionary, a list of names per language
category_lines = {}
all_categories = []

# Read a file and split into lines
def readLines(filename):
    lines = open(filename, encoding='utf-8').read().strip().split('\n')
    return [unicodeToAscii(line) for line in lines]

for filename in findFiles('data/names/*.txt'):
    category = os.path.splitext(os.path.basename(filename))[0]
    all_categories.append(category)
    lines = readLines(filename)
    category_lines[category] = lines

n_categories = len(all_categories)


print(category_lines['Italian'][:5])


import torch

# Find letter index from all_letters, e.g. "a" = 0
def letterToIndex(letter):
    return all_letters.find(letter)

# Just for demonstration, turn a letter into a <1 x n_letters> Tensor
def letterToTensor(letter):
    tensor = torch.zeros(1, n_letters)
    tensor[0][letterToIndex(letter)] = 1
    return tensor

# Turn a line into a <line_length x 1 x n_letters>,
# or an array of one-hot letter vectors
def lineToTensor(line):
    tensor = torch.zeros(len(line), 1, n_letters)
    for li, letter in enumerate(line):
        tensor[li][0][letterToIndex(letter)] = 1
    return tensor

print(letterToTensor('J'))

print(lineToTensor('Jones').size())

import torch.nn as nn
import torch.nn.functional as F

class RNN(nn.Module):
    def __init__(self, input_size, hidden_size, output_size):
        super(RNN, self).__init__()

        self.hidden_size = hidden_size

        self.i2h = nn.Linear(input_size + hidden_size, hidden_size)
        self.i2o = nn.Linear(hidden_size, output_size)
        self.softmax = nn.LogSoftmax(dim=1)

    def forward(self, input, hidden):
        combined = torch.cat((input, hidden), 1)
        hidden = F.relu(self.i2h(combined))
        output = self.i2o(hidden)
        output = self.softmax(output)
        return output, hidden

    def initHidden(self):
        return torch.zeros(1, self.hidden_size)

n_hidden = 128
rnn = RNN(n_letters, n_hidden, n_categories)

input = letterToTensor('A')
hidden =torch.zeros(1, n_hidden)

output, next_hidden = rnn(input, hidden)

input = lineToTensor('Albert')
hidden = torch.zeros(1, n_hidden)

output, next_hidden = rnn(input[0], hidden)
print(output)

def categoryFromOutput(output):
    top_n, top_i = output.topk(1)
    category_i = top_i[0].item()
    return all_categories[category_i], category_i

print(categoryFromOutput(output))

import random
random.seed(66)
def randomChoice(l):
    return l[random.randint(0, len(l) - 1)]

def randomTrainingExample():
    category = randomChoice(all_categories)
    line = randomChoice(category_lines[category])
    category_tensor = torch.tensor([all_categories.index(category)], dtype=torch.long)
    line_tensor = lineToTensor(line)
    return category, line, category_tensor, line_tensor

for i in range(10):
    category, line, category_tensor, line_tensor = randomTrainingExample()
    print('category =', category, '/ line =', line)

criterion = nn.NLLLoss()
learning_rate = 0.005 # If you set this too high, it might explode. If too low, it might not learn

def train(category_tensor, line_tensor):
    hidden = rnn.initHidden()

    rnn.zero_grad()

    for i in range(line_tensor.size()[0]):
        output, hidden = rnn(line_tensor[i], hidden)

    loss = criterion(output, category_tensor)
    loss.backward()

    # Add parameters' gradients to their values, multiplied by learning rate
    for p in rnn.parameters():
        p.data.add_(p.grad.data, alpha=-learning_rate)

    return output, loss.item()

import time
import math

n_iters = 100000
print_every = 5000
plot_every = 1000



# Keep track of losses for plotting
current_loss = 0
all_losses = []

def timeSince(since):
    now = time.time()
    s = now - since
    m = math.floor(s / 60)
    s -= m * 60
    return '%dm %ds' % (m, s)

start = time.time()
PATH = './char-rnn-classification.pth'
for iter in range(1, n_iters + 1):
    category, line, category_tensor, line_tensor = randomTrainingExample()
    output, loss = train(category_tensor, line_tensor)
    current_loss += loss

    # Print iter number, loss, name and guess
    if iter % print_every == 0:
        guess, guess_i = categoryFromOutput(output)
        correct = '✓' if guess == category else '✗ (%s)' % category
        print('%d %d%% (%s) %.4f %s / %s %s' % (iter, iter / n_iters * 100, timeSince(start), loss, line, guess, correct))

    # Add current loss avg to list of losses
    if iter % plot_every == 0:
        all_losses.append(current_loss / plot_every)
        current_loss = 0
torch.save(rnn.state_dict(), PATH)
net = RNN(n_letters, n_hidden, n_categories)
net.load_state_dict(torch.load(PATH))


import matplotlib.pyplot as plt
import matplotlib.ticker as ticker

plt.figure()
plt.plot(all_losses)

# Keep track of correct guesses in a confusion matrix
confusion = torch.zeros(n_categories, n_categories)
n_confusion = 100000

# Just return an output given a line
def evaluate(line_tensor):
    hidden = rnn.initHidden()

    for i in range(line_tensor.size()[0]):
        output, hidden = rnn(line_tensor[i], hidden)

    return output

# Go through a bunch of examples and record which are correctly guessed
n_correct = 0
n_sum = 0
for i in range(n_confusion):
    category, line, category_tensor, line_tensor = randomTrainingExample()
    output = evaluate(line_tensor)
    guess, guess_i = categoryFromOutput(output)
    category_i = all_categories.index(category)
    confusion[category_i][guess_i] += 1
    if category == guess:
        n_correct += 1
    n_sum += 1

print("acc",n_correct/n_sum)

# Normalize by dividing every row by its sum
for i in range(n_categories):
    confusion[i] = confusion[i] / confusion[i].sum()

# Set up plot
fig = plt.figure()
ax = fig.add_subplot(111)
cax = ax.matshow(confusion.numpy())
fig.colorbar(cax)

# Set up axes
ax.set_xticklabels([''] + all_categories, rotation=90)
ax.set_yticklabels([''] + all_categories)

# Force label at every tick
ax.xaxis.set_major_locator(ticker.MultipleLocator(1))
ax.yaxis.set_major_locator(ticker.MultipleLocator(1))

# sphinx_gallery_thumbnail_number = 2
plt.show()

 返回目錄

 

參考資料

《21個項目玩轉深度學習：基於Tensorflow的實踐詳解》

https://pytorch.org/tutorials/intermediate/char_rnn_classification_tutorial

 返回目錄