深度学习图解，第 5 部分：长短期记忆 (LSTM)关于 LSTM 内部工作原理的图解和直观指南

      欢迎来到雲闪世界。欢迎来到深度学习图解之旅的第 5 部分！

       今天，我们将讨论长短期记忆 (LSTM) 网络，它是上一篇文章中讨论过的常规循环神经网络 (RNN) 的升级版。我们看到，RNN 用于解决基于序列的问题，但难以在长距离上保留信息，从而导致短期记忆问题。这时，LSTM 可以拯救这一问题。它们使用与 RNN 相同的循环特性，但略有不同。让我们看看它们是如何实现这一点的。

旁注 — — 这是我写过的最喜欢的文章之一，所以我迫不及待地想带你踏上这段旅程！

我们先来看看之前 RNN 中发生了什么。我们有一个神经网络，它有一个输入x，一个隐藏层，该层由一个具有 tanh 激活函数的神经元和一个具有 sigmoid 激活函数的输出神经元组成。因此，RNN 的第一步看起来像这样：

术语 segue： 我们将每个步骤称为隐藏状态。因此，以上是我们的 RNN 的第一个隐藏状态。

在这里，我们首先将第一个输入x ₁传递给隐藏神经元以获得h₁ ​。

现在我们有两个选择：

（选项 1）将此h₁​ 传递给输出神经元，仅使用这一个输入即可获得预测。从数学上讲：

（选项 2）将此h₁​ 传递到下一个隐藏状态，通过将此值传递到下一个网络的隐藏神经元。

因此第二个隐藏状态将如下所示：

在这里，我们从第一个网络中的隐藏神经元获取输出，并将其与第二个输入x₂​ 一起传递给当前网络中的隐藏神经元。这样做会给我们第二个隐藏层输出h₂ ​。

再次，从这里我们可以用h₂做两件事：

（选项 1）将其传递给输出神经元，以获得第一个 x ₁ 和第二个x₂的结果预测。

（选项 2）或者我们简单地将其按原样传递到下一个网络。

这个过程持续进行，每个状态都会从前一个网络的隐藏神经元获取输出（与新输入一起），并将其馈送到当前状态的隐藏神经元，从而生成当前隐藏层的输出。然后，我们可以将此输出传递到下一个网络或输出神经元以产生预测。

整个过程可以用以下关键方程来描述：

       尽管这种方法很简单，但它有一个局限性：当我们进入最后几步时，初始步骤的信息开始消失，因为网络无法保留大量信息。输入序列越大，这个问题就越明显。显然，我们需要一种策略来增强这种记忆。

输入 LSTM。

它们通过实施一种简单但有效的策略来实现这一点：在每一步中，它们都会丢弃输入和过去步骤中不必要的信息，有效地“忘记”不重要的信息，只保留关键信息。这有点像我们的大脑处理信息的方式 — — 我们不会记住每一个细节，而只会保留我们认为必要的细节，丢弃其余部分。

LSTM 架构

考虑我们的基本 RNN 的隐藏状态。

我们知道每个状态都以两个参与者开始：先前的隐藏状态值h ₜ₋₁和当前输入x ₜ。最终目标是产生一个隐藏状态输出h ₜ，它可以传递到下一个隐藏状态，也可以传递到输出神经元以产生预测。

LSTM 具有类似的结构，但复杂性略有提升：

这个图可能看起来很吓人，但实际上很直观。让我们慢慢分解一下。

我们在 RNN 中设置了两个玩家，最终目标是产生一个隐藏状态输出。现在我们一开始就有三个玩家被输入到 LSTM 中 — — 之前的长期记忆 Cₜ₋₁、之前的隐藏状态输出 hₜ₋₁ 和输入 xₜ：

最终目标是产生两个输出 — — 新的长期记忆 Cₜ 和新的隐藏状态输出 hₜ：

LSTM 的主要重点是丢弃尽可能多的不必要信息，它通过三个部分实现 -

i）忘记部分

ii）输入部分

iii）输出部分

我们注意到它们都有一个共同的紫色细胞：

这些单元被称为门。为了决定哪些信息重要，哪些不重要，LSTM 使用这些门，它们本质上是具有 S 形激活函数的神经元。

这些门决定在各自的部分保留多少比例的信息，实际上充当着守门人的角色，只让一定比例的信息通过。

在这种情况下，使用 S 型函数是具有战略意义的，因为它输出的值范围从 0 到 1，这直接对应于我们想要保留的信息比例。例如，值为 1 表示将保留所有信息，值为 0.5 表示仅保留一半信息，值为 0 表示将丢弃所有信息。

现在让我们来看看所有这些门的公式。如果你仔细观察隐藏状态图，我们会发现它们都有相同的输入x ₜ 和h ₜ₋₁，但权重和偏差项不同。

它们都有相同的数学公式，但我们需要适当地交换权重和偏差值。

由于 S 型函数的工作原理，每个值都会产生 0 到 1 之间的值，这将决定我们想要保留每个部分中某些信息的比例。

注意： 您会注意到，我们只是使用权重的向量符号。这仅意味着我们将 xₜ 和 hₜ₋₁ 与它们各自的权重（用W表示）相乘。

忘记部分

本节的主要目的是找出我们想要忘记的长期记忆的比例。所以我们在这里所做的就是从遗忘门中获取这个比例（0–1 之间的值）……

…并将其与之前的长期记忆相乘：

此乘积为我们提供遗忘门认为重要的先前长期记忆的准确信息，并忘记其余信息。因此，遗忘门比例 fₜ 越接近 1，我们保留的先前长期记忆就越多。

注意：蓝色气泡内的“x”符号表示乘法运算。此符号在整个图表中始终使用。本质上，这些蓝色气泡表示输入经过气泡中描绘的数学运算。

输入部分

本节的主要目的是创建新的长期记忆，分为2个步骤。

（步骤 1）创建新的长期记忆候选者C(tilda) ₜ。我们利用这个神经元和tanh激活函数获得新的长期记忆候选者：

我们在这里看到，这个神经元的输入是x ₜ,​ 和h ₜ₋₁，类似于门。因此，将它们传递到神经元……

…我们得到了输出，它是新的长期记忆的候选。

现在我们只想保留候选者的必要信息。这就是输入门发挥作用的地方。我们使用从输入门获得的比例……

…通过将此输入门比例与候选者相乘，仅保留候选者的必要数据：

（步骤 2）现在为了获得最终的长期记忆，我们把决定保留在遗忘部分的旧长期记忆拿来……

…并将其添加到我们决定在此输入部分保留的新候选人数量中：

好了，我们完成了游戏的第一个任务，我们创建了一个新的长期记忆！接下来，我们需要生成一个新的隐藏状态输出。

输出部分

本节的主要目的是创建一个新的隐藏状态输出。这很简单。我们在这里所做的就是获取新的长期记忆 Cₜ，并将其传递给tanh函数……

…然后将其与输出门比例相乘…

新的隐藏状态输出

…这给了我们新的隐藏状态输出！

就这样，我们完成了第二项任务 — — 产生一个新的隐藏状态输出！

现在我们可以将这些新的输出传递到下一个隐藏状态，以再次重复相同的过程。

我们还看到每个隐藏状态都有一个输出神经元：

就像在 RNN 中一样，每个状态都可以产生各自的输出。与 RNN 类似，我们使用隐藏状态输出 hₜ 来产生预测。因此将 hₜ 传递给输出神经元……

…我们得到了这个隐藏状态的预测！

   到此结束。正如我们所见，LSTM 通过更好地处理序列数据中的长期依赖关系，将 RNN 提升到了一个新的水平。我们看到 LSTM 如何巧妙地保留重要信息并丢弃无关信息，就像我们的大脑一样。这种记住扩展序列中重要细节的能力使 LSTM 在自然语言处理、语音识别和时间序列预测等任务中特别有用。

感谢关注雲闪世界​​​​​​​。（亚马逊aws和谷歌GCP服务​​​​​​​协助解决云计算及产业相关解决方案）

 订阅频道(https://t.me/awsgoogvps_Host)
 TG交流群(t.me/awsgoogvpsHost)