深度学习面试之LSTM_lstm面试

如何形象理解LSTM的三个门

从RNN说起

循环神经网络（Recurrent Neural Network，RNN）是一种用于处理序列数据的神经网络。相比一般的神经网络来说，他能够处理序列变化的数据。比如某个单词的意思会因为上文提到的内容不同而有不同的含义，RNN就能够很好地解决这类问题。

1. 普通RNN

先简单介绍一下一般的RNN。
其主要形式如下图所示（图片均来自台大李宏毅教授的PPT）：

这里：
x 为当前状态下数据的输入， h 表示接收到的上一个节点的输入。
y 为当前节点状态下的输出，而 h’ 为传递到下一个节点的输出。

通过上图的公式可以看到，输出 h’ 与 x 和 h 的值都相关。
而 y 则常常使用 h’ 投入到一个线性层（主要是进行维度映射）然后使用softmax进行分类得到需要的数据。
对这里的y如何通过 h’ 计算得到往往看具体模型的使用方式。

通过序列形式的输入，我们能够得到如下形式的RNN。

2. LSTM

2.1 什么是LSTM

长短期记忆（Long short-term memory, LSTM）是一种特殊的RNN，主要是为了解决长序列训练过程中的梯度消失和梯度爆炸问题。

LSTM结构（图右）和普通RNN的主要输入输出区别如下所示。

相比RNN只有一个传递状态$h^t$，LSTM有两个传输状态，一个$c^t$（cell state），和一个$h^t$（hidden state）。其中，RNN中的$h^t$对于LSTM中的$c^t$。
其中对于传递下去的$c^t$改变得很慢，通常输出的$c^t$是上一个状态传过来的$c^{t-1}$加上一些数值。
而$h^t$则在不同节点下往往会有很大的区别。

总的说来，控制 LSTM的记忆单元（memory cell）有 3 个 gate，分别是输入门（input gate）、输出门（output gate）和遗忘门（forget gate），所以 LSTM 这种特殊的神经元有四个输入、一个输出：

输入：对应下图指向红色框框的四个箭头
输出：红色框框一个对外指向的箭头

2.2 深入LSTM结构

下图是 LSTM 的计算过程，输入一共有四个：Z、输入门 Zi、输出门 Zo、遗忘门 Zf，一个输出 a。

三个门各司其职，每个门通常使用 sigmoid 函数作为激活函数，激活后的值处在 0 和 1 之间，故方便控制 “门” 的开启和关闭，输入门决定 Z 能走多远，遗忘门决定记忆单元的值是否刷新或者重置，输出门则决定最后的能否被输出

一个 LSTM 单元的计算过程如下：

下图解释了在 LSTM 中上下文之间是如何关联起来的，每个输入$x^{t+1}$都会接受来自上一个记忆单元的值$c^t$
进一步，首先使用LSTM的当前输入$x^t$和上一个状态传递下来的$h^{t-1}$拼接训练得到四个状态。

其中， $z^f$,$z^j$,$z^o$ 是由拼接向量乘以权重矩阵之后，再通过一个 $sigmoid$激活函数转换成0到1之间的数值，来作为一种门控状态。而$z$ 则是将结果通过一个 $tanh$ 激活函数将转换成-1到1之间的值（这里使用$tanh$是因为这里是将其做为输入数据，而不是门控信号）。

再进一步，下面介绍这四个状态在LSTM内部的使用：

$⨀$是Hadamard Product，也就是操作矩阵中对应的元素相乘，因此要求两个相乘矩阵是同型的。 $\oplus$ 则代表进行矩阵加法。

LSTM内部主要有三个阶段：

1. 忘记阶段。这个阶段主要是对上一个节点传进来的输入进行选择性忘记。简单来说就是会 “忘记不重要的，记住重要的”。
   具体来说是通过计算得到的$z^f$（f表示forget）来作为忘记门控，来控制上一个状态的$c^{t-1}$哪些需要留哪些需要忘。

2. 选择记忆阶段。这个阶段将这个阶段的输入有选择性地进行“记忆”。主要是会对输入$x^t$进行选择记忆。哪些重要则着重记录下来，哪些不重要，则少记一些。当前的输入内容由前面计算得到的$z$表示。而选择的门控信号则是由$c^t$(i代表information)来进行控制。

将上面两步得到的结果相加，即可得到传输给下一个状态的$c^t$。也就是上图中的第一个公式。

3. 输出阶段。这个阶段将决定哪些将会被当成当前状态的输出。主要是通过$z^o$来进行控制的。并且还对上一阶段得到的$c^o$进行了放缩（通过一个tanh激活函数进行变化）。

与普通RNN类似，输出$y^t$往往最终也是通过$h^t$变化得到。

3. 总结

以上，就是LSTM的内部结构。通过门控状态来控制传输状态，记住需要长时间记忆的，忘记不重要的信息；而不像普通的RNN那样只能够“呆萌”地仅有一种记忆叠加方式。对很多需要“长期记忆”的任务来说，尤其好用。

但也因为引入了很多内容，导致参数变多，也使得训练难度加大了很多。因此很多时候我们往往会使用效果和LSTM相当但参数更少的GRU来构建大训练量的模型。

本题解析来源：https://zhuanlan.zhihu.com/p/32085405