如何从NumPy直接创建RNN?

  • 来源:网络
  • 更新日期:2020-10-23

摘要:使用成熟的Tensorflow、PyTorch框架去实现递归神经网络(RNN),已经极大降低了技术的使用门槛。 但是,对于初学者,这还是远远不够的。知其然,更需知其所以然。 要避免低级错误,打好

使用成熟的Tensorflow、PyTorch框架去实现递归神经网络(RNN),已经极大降低了技术的使用门槛。

但是,对于初学者,这还是远远不够的。知其然,更需知其所以然。

要避免低级错误,打好理论基础,然后使用RNN去解决更多实际的问题的话。

那么,有一个有趣的问题可以思考一下:

不使用Tensorflow等框架,只有Numpy的话,你该如何构建RNN?

没有头绪也不用担心。这里便有一项教程:使用Numpy从头构建用于NLP领域的RNN。

可以带你行进一遍RNN的构建流程。

初始化参数

与传统的神经网络不同,RNN具有3个权重参数,即:

输入权重(input weights),内部状态权重(internal state weights)和输出权重(output weights)

首先用随机数值初始化上述三个参数。

之后,将词嵌入维度(word_embedding dimension)和输出维度(output dimension)分别初始化为100和80。

输出维度是词汇表中存在的唯一词向量的总数。

hidden_dim=100output_dim=80#thisisthetotaluniquewordsinthevocabularyinput_weights=np.random.uniform(0,1,(hidden_dim,hidden_dim))internal_state_weights=np.random.uniform(0,1,(hidden_dim,hidden_dim))output_weights=np.random.uniform(0,1,(output_dim,hidden_dim))

变量prev_memory指的是internal_state(这些是先前序列的内存)。

其他参数也给予了初始化数值。

input_weight梯度,internal_state_weight梯度和output_weight梯度分别命名为dU,dW和dV。

变量bptt_truncate表示网络在反向传播时必须回溯的时间戳数,这样做是为了克服梯度消失的问题。

prev_memory=np.zeros((hidden_dim,1))learning_rate=0.0001nepoch=25T=4#lengthofsequencebptt_truncate=2dU=np.zeros(input_weights.shape)dV=np.zeros(output_weights.shape)dW=np.zeros(internal_state_weights.shape)

前向传播

输出和输入向量

例如有一句话为:I like to play.,则假设在词汇表中:

I被映射到索引2,like对应索引45,to对应索引10、**对应索引64而标点符号.** 对应索引1。

为了展示从输入到输出的情况,我们先随机初始化每个单词的词嵌入。

input_string=[2,45,10,65]embeddings=[]#thisisthesentenceembeddinglistthatcontainstheembeddingsforeachwordforiinrange(0,T):x=np.random.randn(hidden_dim,1)embeddings.append(x)

输入已经完成,接下来需要考虑输出。

在本项目中,RNN单元接受输入后,输出的是下一个最可能出现的单词。

用于训练RNN,在给定第t+1个词作为输出的时候将第t个词作为输入,例如:在RNN单元输出字为“like”的时候给定的输入字为“I”.

现在输入是嵌入向量的形式,而计算损失函数(Loss)所需的输出格式是独热编码(One-Hot)矢量。

这是对输入字符串中除第一个单词以外的每个单词进行的操作,因为该神经网络学习只学习的是一个示例句子,而初始输入是该句子的第一个单词。

RNN的黑箱计算

现在有了权重参数,也知道输入和输出,于是可以开始前向传播的计算。

训练神经网络需要以下计算:

其中:

U代表输入权重、W代表内部状态权重,V代表输出权重。

输入权重乘以input(x),内部状态权重乘以前一层的激活(prev_memory)。

层与层之间使用的激活函数用的是tanh。

deftanh_activation(Z):return(np.exp(Z)-np.exp(-Z))/(np.exp(Z)-np.exp(-Z))#thisisthetanhfunctioncanalsobewrittenasnp.tanh(Z)defsoftmax_activation(Z):e_x=np.exp(Z-np.max(Z))#thisisthecodeforsoftmaxfunctionreturne_x/e_x.sum(axis=0) defRnn_forward(input_embedding,input_weights,internal_state_weights,prev_memory,output_weights):forward_params=[]W_frd=np.dot(internal_state_weights,prev_memory)U_frd=np.dot(input_weights,input_embedding)sum_s=W_frd+U_frdht_activated=tanh_activation(sum_s)yt_unactivated=np.asarray(np.dot(output_weights,tanh_activation(sum_s)))yt_activated=softmax_activation(yt_unactivated)forward_params.append([W_frd,U_frd,sum_s,yt_unactivated])returnht_activated,yt_activated,forward_params

计算损失函数

之后损失函数使用的是交叉熵损失函数,由下式给出:

defcalculate_loss(output_mapper,predicted_output):total_loss=0layer_loss=[]fory,y_inzip(output_mapper.values(),predicted_output):#thisforloopcalculationisforthefirstequation,wherelossforeachtime-stampiscalculatedloss=-sum(y[i]*np.log2(y_[i])foriinrange(len(y)))lossloss=loss/float(len(y))layer_loss.append(loss)foriinrange(len(layer_loss)):#thisthetotallosscalculatedforallthetime-stampsconsideredtogether.total_losstotal_loss=total_loss+layer_loss[i]returntotal_loss/float(len(predicted_output))

最重要的是,我们需要在上面的代码中看到第5行。

正如所知,ground_truth output(y)的形式是[0,0,….,1,…0]和predicted_output(y^hat)是[0.34,0.03,……,0.45]的形式,我们需要损失是单个值来从它推断总损失。

为此,使用sum函数来获得特定时间戳下y和y^hat向量中每个值的误差之和。

total_loss是整个模型(包括所有时间戳)的损失。

反向传播

反向传播的链式法则:

如上图所示:

Cost代表误差,它表示的是y^hat到y的差值。

由于Cost是的函数输出,因此激活a所反映的变化由dCost/da表示。

实际上,这意味着从激活节点的角度来看这个变化(误差)值。

类似地,a相对于z的变化表示为da/dz,z相对于w的变化表示为dw/dz。

最终,我们关心的是权重的变化(误差)有多大。

而由于权重与Cost之间没有直接关系,因此期间各个相对的变化值可以直接相乘(如上式所示)。

RNN的反向传播

由于RNN中存在三个权重,因此我们需要三个梯度。input_weights(dLoss / dU),internal_state_weights(dLoss / dW)和output_weights(dLoss / dV)的梯度。

这三个梯度的链可以表示如下:

所述dLoss/dy_unactivated代码如下:

defdelta_cross_entropy(predicted_output,original_t_output):li=[]grad=predicted_outputfori,linenumerate(original_t_output):#checkifthevalueintheindexis1ornot,ifyesthentakethesameindexvaluefromthepredicted_ouputlistandsubtract1fromit.ifl==1:#grad=np.asarray(np.concatenate(grad,axis=0))grad[i]-=1returngrad

计算两个梯度函数,一个是multiplication_backward,另一个是additional_backward。

在multiplication_backward的情况下,返回2个参数,一个是相对于权重的梯度(dLoss / dV),另一个是链梯度(chain gradient),该链梯度将成为计算另一个权重梯度的链的一部分。

在addition_backward的情况下,在计算导数时,加法函数(ht_unactivated)中各个组件的导数为1。例如:dh_unactivated / dU_frd=1(h_unactivated = U_frd + W_frd),且dU_frd / dU_frd的导数为1。

所以,计算梯度只需要这两个函数。multiplication_backward函数用于包含向量点积的方程,addition_backward用于包含两个向量相加的方程。

defmultiplication_backward(weights,x,dz):gradient_weight=np.array(np.dot(np.asmatrix(dz),np.transpose(np.asmatrix(x))))chain_gradient=np.dot(np.transpose(weights),dz)returngradient_weight,chain_gradientdefadd_backward(x1,x2,dz):#thisfunctionisforcalculatingthederivativeofht_unactivatedfunctiondx1=dz*np.ones_like(x1)dx2=dz*np.ones_like(x2)returndx1,dx2deftanh_activation_backward(x,top_diff):output=np.tanh(x)return(1.0-np.square(output))*top_diff

至此,已经分析并理解了RNN的反向传播,目前它是在单个时间戳上实现它的功能,之后可以将其用于计算所有时间戳上的梯度。

如下面的代码所示,forward_params_t是一个列表,其中包含特定时间步长的网络的前向参数。

变量ds是至关重要的部分,因为此行代码考虑了先前时间戳的隐藏状态,这将有助于提取在反向传播时所需的信息。

defsingle_backprop(X,input_weights,internal_state_weights,output_weights,ht_activated,dLo,forward_params_t,diff_s,prev_s):#inlidealltheparamvaluesforallthedatathatsthereW_frd=forward_params_t[0][0]U_frd=forward_params_t[0][1]ht_unactivated=forward_params_t[0][2]yt_unactivated=forward_params_t[0][3]dV,dsv=multiplication_backward(output_weights,ht_activated,dLo)ds=np.add(dsv,diff_s)#usedfortruncationofmemorydadd=tanh_activation_backward(ht_unactivated,ds)dmulw,dmulu=add_backward(U_frd,W_frd,dadd)dW,dprev_s=multiplication_backward(internal_state_weights,prev_s,dmulw)dU,dx=multiplication_backward(input_weights,X,dmulu)#inputweightsreturn(dprev_s,dU,dW,dV)

对于RNN,由于存在梯度消失的问题,所以采用的是截断的反向传播,而不是使用原始的。

在此技术中,当前单元将只查看k个时间戳,而不是只看一次时间戳,其中k表示要回溯的先前单元的数量。

defrnn_backprop(embeddings,memory,output_t,dU,dV,dW,bptt_truncate,input_weights,output_weights,internal_state_weights):T=4#westartthebackpropfromthefirsttimestamp.fortinrange(4):prev_s_t=np.zeros((hidden_dim,1))#requiredasthefirsttimestampdoesnothaveapreviousmemory,diff_s=np.zeros((hidden_dim,1))#thisisusedforthetruncatingpurposeofrestoringapreviousinformationfromthebeforelevelpredictions=memory[yt+str(t)]ht_activated=memory[ht+str(t)]forward_params_t=memory[params+str(t)]dLo=delta_cross_entropy(predictions,output_t[t])#thelossderivativeforthatparticulartimestampdprev_s,dU_t,dW_t,dV_t=single_backprop(embeddings[t],input_weights,internal_state_weights,output_weights,ht_activated,dLo,forward_params_t,diff_s,prev_s_t)prev_s_t=ht_activatedprev=t-1dLo=np.zeros((output_dim,1))#herethelossderiativeisturnedto0aswedonotrequireitfortheturncatedinformation.#thefollowingcodeisforthetrunatedbpttanditsforeachtime-stamp.foriinrange(t-1,max(-1,t-bptt_truncate),-1):forward_params_t=memory[params+str(i)]ht_activated=memory[ht+str(i)]prev_s_i=np.zeros((hidden_dim,1))ifi==0elsememory[ht+str(prev)]dprev_s,dU_i,dW_i,dV_i=single_backprop(embeddings[t],input_weights,internal_state_weights,output_weights,ht_activated,dLo,forward_params_t,dprev_s,prev_s_i)dU_t+=dU_i#addingthepreviousgradientsonlookbacktothecurrenttimesequencedW_t+=dW_idV+=dV_tdU+=dU_tdW+=dW_treturn(dU,dW,dV)

权重更新

一旦使用反向传播计算了梯度,则更新权重势在必行,而这些是通过批量梯度下降法

defgd_step(learning_rate,dU,dW,dV,input_weights,internal_state_weights,output_weights):input_weights-=learning_rate*dUinternal_state_weights-=learning_rate*dWoutput_weights-=learning_rate*dVreturninput_weights,internal_state_weights,output_weights

训练序列

完成了上述所有步骤,就可以开始训练神经网络了。

用于训练的学习率是静态的,还可以使用逐步衰减等更改学习率的动态方法。

deftrain(T,embeddings,output_t,output_mapper,input_weights,internal_state_weights,output_weights,dU,dW,dV,prev_memory,learning_rate=0.001,nepoch=100,evaluate_loss_after=2):losses=[]forepochinrange(nepoch):if(epoch%evaluate_loss_after==0):output_string,memory=full_forward_prop(T,embeddings,input_weights,internal_state_weights,prev_memory,output_weights)loss=calculate_loss(output_mapper,output_string)losses.append(loss)time=datetime.now().strftime(\'%Y-%m-%d%H:%M:%S\')print(%s:Lossafterepoch=%d:%f%(time,epoch,loss))sys.stdout.flush()dU,dW,dV=rnn_backprop(embeddings,memory,output_t,dU,dV,dW,bptt_truncate,input_weights,output_weights,internal_state_weights)input_weights,internal_state_weights,output_weights=sgd_step(learning_rate,dU,dW,dV,input_weights,internal_state_weights,output_weights)returnlosses losses=train(T,embeddings,output_t,output_mapper,input_weights,internal_state_weights,output_weights,dU,dW,dV,prev_memory,learning_rate=0.0001,nepoch=10,evaluate_loss_after=2)

恭喜你!你现在已经实现从头建立递归神经网络了!

那么,是时候了,继续向LSTM和GRU等的高级架构前进吧。

新网箭头云服务器