【动手学习pytorch笔记】24.门控循环单元GRU_门控机制pytorch gate

GRU

序列中并不是所有信息都同等重要，为了记住重要的信息和遗忘不重要的信息，最早的方法是”长短期记忆”（long-short-term memory，LSTM），这节门控循环单元（gated recurrent unit，GRU）是一个稍微简化的变体，通常能够提供同等的效果， 并且计算的速度明显更快。

理论

两个门（和隐藏状态类似）

重置门（虫豸们~）

​ $R_t=\sigma (X_t{W}_{xr}+H_{t-1}{W}_{hr}+b_r)$

更新门

​ $Z_t=\sigma (X_t{W}_{xz}+H_{t-1}{W}_{hz}+b_z)$

候选隐状态

​ $\widetilde{H_t}=tanh(X_t{W}_{xh}+(R_t\cdot H_{t-1})W_{hh}+b_h)$ $\cdot$ Hadamard积:对应数值做乘法

隐藏状态

​ $H_t=Z_t\cdot H_{t-1}+(1-Z_t)\cdot \widetilde{H_t}$

重置门和更新们是和隐藏状态$H_t$大小相同的向量（这里说的向量是忽略批量大小说的）

极端情况下，重置门=1，更新门=0，就是RNN

总结：简单来说，如果理解RNN的话，GRU其实非常好懂，RNN用了一个隐藏状态，GRU用了差不多的两个门来控制隐藏状态（因为两个门是sigmoid算出来的 [0, 1] 之间，和$H_t$做数值乘法能够有削弱作用，以此达到控制效果），学习哪些信息是有用的，哪些是没用的，也因此GRU的参数数量是RNN的三倍（这里不考虑输出层前的那个线性层）

代码

读数据集

import torch
from torch import nn
from d2l import torch as d2l

batch_size, num_steps = 32, 35
train_iter, vocab = d2l.load_data_time_machine(batch_size, num_steps)
1
2
3
4
5
6

初始化参数

def get_params(vocab_size, num_hiddens, device):
    num_inputs = num_outputs = vocab_size

    def normal(shape):
        return torch.randn(size=shape, device=device)*0.01

    def three():
        return (normal((num_inputs, num_hiddens)),
                normal((num_hiddens, num_hiddens)),
                torch.zeros(num_hiddens, device=device))

    W_xz, W_hz, b_z = three()  # 更新门参数
    W_xr, W_hr, b_r = three()  # 重置门参数
    W_xh, W_hh, b_h = three()  # 候选隐状态参数
    # 输出层参数
    W_hq = normal((num_hiddens, num_outputs))
    b_q = torch.zeros(num_outputs, device=device)
    # 附加梯度
    params = [W_xz, W_hz, b_z, W_xr, W_hr, b_r, W_xh, W_hh, b_h, W_hq, b_q]
    for param in params:
        param.requires_grad_(True)
    return params
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

和RNN差不多，但是因为多了两个门，所以我们封装一个函数three()，一共11个参数，都需要求梯度

初始化隐藏状态

def init_gru_state(batch_size, num_hiddens, device):
    return (torch.zeros((batch_size, num_hiddens), device=device), )
1
2

和RNN一样，一个turple

正向传播过程

def gru(inputs, state, params):
    W_xz, W_hz, b_z, W_xr, W_hr, b_r, W_xh, W_hh, b_h, W_hq, b_q = params
    H, = state
    outputs = []
    for X in inputs:
        Z = torch.sigmoid((X @ W_xz) + (H @ W_hz) + b_z)
        R = torch.sigmoid((X @ W_xr) + (H @ W_hr) + b_r)
        H_tilda = torch.tanh((X @ W_xh) + ((R * H) @ W_hh) + b_h)
        H = Z * H + (1 - Z) * H_tilda
        Y = H @ W_hq + b_q
        outputs.append(Y)
    return torch.cat(outputs, dim=0), (H,)
1
2
3
4
5
6
7
8
9
10
11
12

套公式

训练

vocab_size, num_hiddens, device = len(vocab), 256, d2l.try_gpu()
num_epochs, lr = 500, 1
model = d2l.RNNModelScratch(len(vocab), num_hiddens, device, get_params,
                            init_gru_state, gru)
d2l.train_ch8(model, train_iter, vocab, lr, num_epochs, device)
1
2
3
4
5

因为之前RNN的训练函数我们封装的很好，很通用

RNNModelScratch(len(vocab), num_hiddens, device, get_params,init_gru_state, gru)传入这三个参数就行

训练效果

perplexity 1.1, 21648.1 tokens/sec on cuda:0
time traveller for so it will be convenient to speak of himwas e
travelleryou can show black is white by argument said filby
1
2
3

简易实现

num_inputs = vocab_size
gru_layer = nn.GRU(num_inputs, num_hiddens)
net = d2l.RNNModel(gru_layer, len(vocab))
net = net.to(device)
d2l.train_ch8(net, train_iter, vocab, lr, num_epochs, device)
1
2
3
4
5

perplexity 1.1, 154909.2 tokens/sec on cuda:0
time travelleryou can show black is white by argument said filby
travelleryou can show black is white by argument said filby
1
2
3