長短期記憶網(wǎng)絡(luò)（LSTM），作為一種改進(jìn)之后的循環(huán)神經(jīng)網(wǎng)絡(luò)，不僅能夠解決 RNN無法處理長距離的依賴的問題，還能夠解決神經(jīng)網(wǎng)絡(luò)中常見的梯度爆炸或梯度消失等問題，在處理序列數(shù)據(jù)方面非常有效。

有效背后的根本原因有哪些？本文結(jié)合簡單的案例，帶大家了解關(guān)于 LSTM 的五個秘密，也解釋了 LSTM如此有效的關(guān)鍵所在。

秘密一：發(fā)明LSTM是因為RNN 發(fā)生嚴(yán)重的內(nèi)存泄漏

之前，我們介紹了遞歸神經(jīng)網(wǎng)絡(luò)（RNN），并演示了如何將它們用于情感分析。 RNN 的問題是遠(yuǎn)程內(nèi)存。例如，它們能夠預(yù)測出“the clouds are in the…”這句話的下一個單詞“sky”，但卻無法預(yù)測出下面這句話中缺失的單詞：“她在法國長大。現(xiàn)在到中國才幾個月。她說一口流利的 …”（“She grew up in France. Now she has been in China for few months only. She speaks fluent …”） 隨著間隔的拉長，RNN變得無法學(xué)會信息連接。在此示例中，最近的信息表明，下一個詞可能是一種語言的名稱，但是如果我們想縮小哪種語言的范圍，那么就需要到間隔很長的前文中去找“法國”。在自然語言文本中，這種問題，完全有可能在相關(guān)信息和需要該信息的地方出現(xiàn)很大的差異。這種差異在德語中也很常見。

為什么RNN在長序列文本方面存在巨大的問題？根據(jù)設(shè)計，RNN 在每個時間步長上都會接受兩個輸入：一個輸入向量（例如，輸入句子中的一個詞）和一個隱藏狀態(tài)（例如，以前詞中的記憶表示）。 RNN下一個時間步長采用第二個輸入向量和第一隱藏狀態(tài)來創(chuàng)建該時間步長的輸出。因此，為了捕獲長序列中的語義，我們需要在多個時間步長上運行RNN，將展開的RNN變成一個非常深的網(wǎng)絡(luò)。

長序列并不是RNN的唯一麻煩制造者。就像任何非常深的神經(jīng)網(wǎng)絡(luò)一樣，RNN也存在梯度消失和爆炸的問題，因此需要花費大量時間進(jìn)行訓(xùn)練。人們已經(jīng)提出了許多技術(shù)來緩解此問題，但還無法完全消除該問題，這些技術(shù)包括：

仔細(xì)地初始化參數(shù)

使用非飽和激活函數(shù)，如ReLU

應(yīng)用批量歸一化、梯度消失、舍棄網(wǎng)絡(luò)細(xì)胞等方法

使用經(jīng)過時間截斷的反向傳播

這些方法仍然有其局限性。此外，除了訓(xùn)練時間長之外，長期運行的RNN還面臨另一個問題是：對首個輸入的記憶會逐漸消失。 一段時間后，RNN的狀態(tài)庫中幾乎沒有首個輸入的任何痕跡。例如，如果我們想對以“我喜歡這款產(chǎn)品”開頭的長評論進(jìn)行情感分析，但其余評論列出了許多可能使該產(chǎn)品變得更好的因素，那么 RNN 將逐漸忘記首個評論中傳遞的正面情緒，并且會完全誤認(rèn)為該評論是負(fù)面的。

為了解決RNN的這些問題，研究者已經(jīng)在研究中引入了各類具有長期記憶的細(xì)胞。實際上，不再使用基本的RNN的大多數(shù)工作是通過所謂的長短期記憶網(wǎng)絡(luò)（LSTM）完成的。LSTM是由S. Hochreiter和J. Schmidhuber發(fā)明的。

秘密2 ：LSTM的一個關(guān)鍵思想是“門”

每個LSTM細(xì)胞都控制著要記住的內(nèi)容、要忘記的內(nèi)容以及如何使用門來更新存儲器。這樣，LSTM網(wǎng)絡(luò)解決了梯度爆炸或梯度消失的問題，以及前面提到的所有其他問題！ LSTM細(xì)胞的架構(gòu)如下圖所示：

來源：哈佛大學(xué) P. Protopapas教授的課堂講稿（下同，不再一一注釋） h 是隱藏狀態(tài)，表示的是短期記憶；C是細(xì)胞狀態(tài)，表示的是長期記憶；x表示輸入。 門只能執(zhí)行很少的矩陣轉(zhuǎn)換，激活 sigmoid函數(shù)和tanh函數(shù)可以神奇地解決所有RNN問題。 在下一節(jié)中，我們將通過觀察這些細(xì)胞如何遺忘、記憶和更新其內(nèi)存來深入研究這一過程。 一個有趣的故事： 讓我們設(shè)置一個有趣的情節(jié)來探索這個圖表。假設(shè)你是老板，你的員工要求加薪。你會同意嗎？這取決于多個因素，比如你當(dāng)時的心情。 下面我們將你的大腦視為LSTM細(xì)胞，當(dāng)然我們無意冒犯你聰明的大腦。

你的長期狀態(tài)C將影響你的決定。平均來說，你有70%的時間心情很好，而你還剩下30%的預(yù)算。因此你的細(xì)胞狀態(tài)是C=[0.7， 0.3]。 最近，所有的事情對你來說都很順利，100%地提升了你的好心情，而你有100%的可能性預(yù)留可操作的預(yù)算。這就把你的隱藏狀態(tài)變成了h=[1，1]。 今天，發(fā)生了三件事：你的孩子在學(xué)校考試中取得了好成績，盡管你的老板對你的評價很差，但是你發(fā)現(xiàn)你仍然有足夠的時間來完成工作。因此，今天的輸入是x=[1，- 1，1]。

基于這個評估，你會給你的員工加薪嗎?

秘密3：LSTM通過使用“忘記門”來忘記

在上述情況下，你的第一步可能是弄清楚今天發(fā)生的事情（輸入x）和最近發(fā)生的事情（隱藏狀態(tài)h），二者會影響你對情況的長期判斷（細(xì)胞狀態(tài)C）。“忘記門”（ Forget Gate）控制著過去存儲的內(nèi)存量。 在收到員工加薪的請求后，你的“忘記門”會運行以下f_t的計算，其值最終會影響你的長期記憶。 下圖中顯示的權(quán)重是為了便于說明目的的隨意選擇。它們的值通常是在網(wǎng)絡(luò)訓(xùn)練期間計算的。結(jié)果[0，0]表示要抹去（完全忘記）你的長期記憶，不要讓它影響你今天的決定。

秘密4：LSTM 記得使用“輸入門”

接下來，你需要決定：最近發(fā)生的事情（隱藏狀態(tài)h）和今天發(fā)生的事情（輸入x）中的哪些信息需要記錄到你對所處情況的長遠(yuǎn)判斷中(狀態(tài)狀態(tài)C)。LSTM通過使用“輸入門”（ Input Gate）來決定要記住什么。 首先，你要計算輸入門的值 i_t，由于激活了sigmoid函數(shù)，值落在0和1之間；接下來，你要tanh激活函數(shù)在-1和1之間縮放輸入；最后，你要通過添加這兩個結(jié)果來估計新的細(xì)胞狀態(tài)。 結(jié)果[1，1]表明，根據(jù)最近和當(dāng)前的信息，你100%處于良好狀態(tài)，給員工加薪有很高的可能性。這對你的員工來說很有希望。

秘密5 ：LSTM使用“細(xì)胞狀態(tài)”保持長期記憶

現(xiàn)在，你知道最近發(fā)生的事情會如何影響你的狀態(tài)。接下來，是時候根據(jù)新的理論來更新你對所處情況的長期判斷了。 當(dāng)出現(xiàn)新值時，LSTM 再次通過使用門來決定如何更新其內(nèi)存。門控的新值將添加到當(dāng)前存儲器中。這種加法運算解決了簡單RNN的梯度爆炸或梯度消失問題。 LSTM 通過相加而不是相乘的方式來計算新狀態(tài)。結(jié)果C_t 被存儲為所處情況的新的長期判斷（細(xì)胞狀態(tài)）。 值[1，1]表示你整體有100％的時間保持良好的心情，并且有100％的可能性一直都有錢！你是位無可挑剔的老板！

根據(jù)這些信息，你可以更新所處情況的短期判斷：h_t(下一個隱藏狀態(tài))。值[0.9，0.9]表示你有90%的可能性在下一步增加員工的工資！祝賀他！

1、門控循環(huán)單元LSTM細(xì)胞的一種變體被稱為門控循環(huán)單元，簡稱GRU。GRU 是Kyunghyun Cho等人在2014年的一篇論文中提出的。 GRU是LSTM細(xì)胞的簡化版本，速度比LSTM快一點，而且性能似乎也與LSTM相當(dāng)，這就是它為什么越來越受歡迎的原因。

如上所示，這兩個狀態(tài)向量合并為一個向量。單個門控制器控制“忘記門”和“輸入門”。如果門控制器輸出 1，則輸入門打開，忘記門關(guān)閉。如果輸出0，則相反。換句話說，每當(dāng)必須存儲內(nèi)存時，其存儲位置先被刪除。 上圖中沒有輸出門，在每一步都輸出完整的狀態(tài)向量。但是，增加了一個新的門控制器，它控制之前狀態(tài)的哪一部分將呈現(xiàn)給主層。2、堆疊LSTM細(xì)胞通過對齊多個LSTM細(xì)胞，我們可以處理序列數(shù)據(jù)的輸入，例如下圖中有4個單詞的句子。

LSTM單元通常是分層排列的，因此每個單元的輸出都是其他單元的輸入。在本例中，我們有兩個層，每個層有4個細(xì)胞。通過這種方式，網(wǎng)絡(luò)變得更加豐富，并捕獲到更多的依賴項。3、雙向LSTMRNN、LSTM和GRU是用來分析數(shù)值序列的。有時候，按相反的順序分析序列也是有意義的。 例如，在“老板對員工說，他需要更努力地工作”這個句子中，盡管“他”一開始就出現(xiàn)了，但這句話中的他指的是：在句末提到的員工。 因此，分析序列的順序需要顛倒或通過組合向前和向后的順序。下圖描述了這種雙向架構(gòu)：

下圖進(jìn)一步說明了雙向 LSTM。底部的網(wǎng)絡(luò)接收原始順序的序列，而頂部的網(wǎng)絡(luò)按相反順序接收相同的輸入。這兩個網(wǎng)絡(luò)不一定完全相同。重要的是，它們的輸出被合并為最終的預(yù)測。

想要知道更多的秘密？ 正如我們剛剛提到的那樣，LSTM細(xì)胞可以學(xué)會識別重要的輸入（輸入門的作用），將該輸入存儲在長期狀態(tài)下，學(xué)會在需要時將其保留（忘記門的作用），并在需要時學(xué)會提取它。 LSTM 已經(jīng)改變了機器學(xué)習(xí)范式，現(xiàn)在可以通過世界上最有價值的上市公司如谷歌、Amazon和Facebook向數(shù)十億用戶提供服務(wù)。 自2015年中期以來，LSTM極大地改善了超過40億部Android手機的語音識別。 自2016年11月以來，LSTM應(yīng)用在了谷歌翻譯中，極大地改善了機器翻譯。 Facebook每天執(zhí)行超過40億個基于LSTM的翻譯。 自2016年以來，近20億部iPhone手機上搭載了基于LSTM的Siri。 亞馬遜的Alexa回答問題也是基于 LSTM。

原文標(biāo)題：LSTM 為何如此有效？這五個秘密是你要知道的

文章出處：【微信公眾號：Imagination Tech】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。

責(zé)任編輯：haq