如何从NumPy直接创建RNN?

人工智能 深度学习
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。

 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。

[[347983]]

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。 

  1. hidden_dim = 100         
  2. output_dim = 80 # this is the total unique words in the vocabulary  
  3. input_weights = np.random.uniform(0, 1, (hidden_dim,hidden_dim))  
  4. internal_state_weights = np.random.uniform(0,1, (hidden_dim, hidden_dim))  
  5. 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。 

  1. prev_memory =  np.zeros((hidden_dim,1))  
  2. learning_rate = 0.0001      
  3. nepoch = 25                 
  4. T = 4   # length of sequence  
  5. bptt_truncate = 2   
  6. dU = np.zeros(input_weights.shape)  
  7. dV = np.zeros(output_weights.shape)  
  8. 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。 

  1. input_string = [2,45,10,65]  
  2. embeddings = [] # this is the sentence embedding list that contains the embeddings for each word  
  3. for i in range(0,T):  
  4.     x = np.random.randn(hidden_dim,1)  
  5.     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。 

  1. def tanh_activation(Z):  
  2.      return (np.exp(Z)-np.exp(-Z))/(np.exp(Z)-np.exp(-Z)) # this is the tanh function can also be written as np.tanh(Z)  
  3. def softmax_activation(Z):  
  4.         e_x = np.exp(Z - np.max(Z))  # this is the code for softmax function   
  5.         return e_x / e_x.sum(axis=0)   
  1. def Rnn_forward(input_embedding, input_weights, internal_state_weights, prev_memory,output_weights):  
  2.     forward_params = []  
  3.     W_frd = np.dot(internal_state_weights,prev_memory)  
  4.     U_frd = np.dot(input_weights,input_embedding)  
  5.     sum_s = W_frd + U_frd  
  6.     ht_activated = tanh_activation(sum_s) 
  7.     yt_unactivated = np.asarray(np.dot(output_weights,  tanh_activation(sum_s)))  
  8.     yt_activated = softmax_activation(yt_unactivated)  
  9.     forward_params.append([W_frd,U_frd,sum_s,yt_unactivated])  
  10.     return ht_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:

 

  1. def calculate_loss(output_mapper,predicted_output):  
  2.     total_loss = 0  
  3.     layer_loss = []  
  4.     for y,y_ in zip(output_mapper.values(),predicted_output): # this for loop calculation is for the first equation, where loss for each time-stamp is calculated 
  5.          loss = -sum(y[i]*np.log2(y_[i]) for i in range(len(y)))  
  6.         lossloss = loss/ float(len(y)) 
  7.          layer_loss.append(loss)   
  8.     for i in range(len(layer_loss)): #this the total loss calculated for all the time-stamps considered together.   
  9.         total_losstotal_loss  = total_loss + layer_loss[i]  
  10.     return total_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: 

  1. def delta_cross_entropy(predicted_output,original_t_output):  
  2.     li = []  
  3.     grad = predicted_output  
  4.     for i,l in enumerate(original_t_output): #check if the value in the index is 1 or not, if yes then take the same index value from the predicted_ouput list and subtract 1 from it.  
  5.         if l == 1:  
  6.     #grad = np.asarray(np.concatenate( grad, axis=0 ))  
  7.             grad[i] -1 
  8.      return grad 

 

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。

 

  1. def multiplication_backward(weights,x,dz):  
  2.     gradient_weight = np.array(np.dot(np.asmatrix(dz),np.transpose(np.asmatrix(x))))  
  3.     chain_gradient = np.dot(np.transpose(weights),dz)  
  4.     return gradient_weight,chain_gradient  
  5. def add_backward(x1,x2,dz):    # this function is for calculating the derivative of ht_unactivated function  
  6.     dx1 = dz * np.ones_like(x1)  
  7.     dx2 = dz * np.ones_like(x2)  
  8.     return dx1,dx2  
  9. def tanh_activation_backward(x,top_diff):  
  10.     output = np.tanh(x)  
  11.     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。 

  1. def single_backprop(X,input_weights,internal_state_weights,output_weights,ht_activated,dLo,forward_params_t,diff_s,prev_s):# inlide all the param values for all the data thats there 
  2.     W_frd = forward_params_t[0][0]   
  3.     U_frd = forward_params_t[0][1]  
  4.     ht_unactivated = forward_params_t[0][2]  
  5.     yt_unactivated = forward_params_t[0][3]  
  6.     dV,dsv = multiplication_backward(output_weights,ht_activated,dLo)  
  7.     ds = np.add(dsv,diff_s) # used for truncation of memory   
  8.     dadd = tanh_activation_backward(ht_unactivated, ds)  
  9.     dmulw,dmulu = add_backward(U_frd,W_frd,dadd)  
  10.     dW, dprev_s = multiplication_backward(internal_state_weights, prev_s ,dmulw)  
  11.     dU, dx = multiplication_backward(input_weights, X, dmulu) #input weights  
  12.     return (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。 

  1. def rnn_backprop(embeddings,memory,output_t,dU,dV,dW,bptt_truncate,input_weights,output_weights,internal_state_weights):  
  2.     T = 4  
  3.     # we start the backprop from the first timestamp.   
  4.     for t in range(4): 
  5.          prev_s_t = np.zeros((hidden_dim,1)) #required as the first timestamp does not have a previous memory,  
  6.  
  7.         diff_s = np.zeros((hidden_dim,1)) # this is used for the truncating purpose of restoring a previous information from the before level  
  8.         predictions = memory["yt" + str(t)]  
  9.         ht_activated = memory["ht" + str(t)]  
  10.         forward_params_t = memory["params"+ str(t)]   
  11.         dLo = delta_cross_entropy(predictions,output_t[t]) #the loss derivative for that particular timestamp  
  12.         dprev_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) 
  13.          prev_s_t = ht_activated  
  14.         prev = t-1  
  15.         dLo = np.zeros((output_dim,1)) #here the loss deriative is turned to 0 as we do not require it for the turncated information.  
  16.         # the following code is for the trunated bptt and its for each time-stamp.  
  17.          for i in range(t-1,max(-1,t-bptt_truncate),-1): 
  18.              forward_params_t = memory["params" + str(i)]  
  19.             ht_activated = memory["ht" + str(i)]  
  20.             prev_s_i = np.zeros((hidden_dim,1)) if i == 0 else memory["ht" + str(prev)]  
  21.             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) 
  22.             dU_t += dU_i #adding the previous gradients on lookback to the current time sequence   
  23.             dW_t += dW_i  
  24.         dV += dV_t   
  25.         dU += dU_t  
  26.         dW += dW_t  
  27.     return (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 

  1. def gd_step(learning_rate, dU,dW,dV, input_weights, internal_state_weights,output_weights ):  
  2.     input_weights -learning_rate* dU  
  3.     internal_state_weights -learning_rate * dW  
  4.     output_weights -=learning_rate * dV  
  5.     return input_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。 

  1. def train(T, embeddings,output_t,output_mapper,input_weights,internal_state_weights,output_weights,dU,dW,dV,prev_memory,learning_rate=0.001, nepoch=100evaluate_loss_after=2): 
  2.      losses = []  
  3.     for epoch in range(nepoch):  
  4.         if(epoch % evaluate_loss_after == 0):  
  5.                 output_string,memory = full_forward_prop(T, embeddings ,input_weights,internal_state_weights,prev_memory,output_weights)  
  6.                 loss = calculate_loss(output_mapper, output_string)  
  7.                 losses.append(loss)  
  8.                 time = datetime.now().strftime('%Y-%m-%d %H:%M:%S')  
  9.                 print("%s: Loss after  epoch=%d: %f" % (time,epoch, loss))  
  10.                 sys.stdout.flush()  
  11.         dU,dW,dV = rnn_backprop(embeddings,memory,output_t,dU,dV,dW,bptt_truncate,input_weights,output_weights,internal_state_weights)  
  12.         input_weights,internal_state_weights,output_weightssgd_step(learning_rate,dU,dW,dV,input_weights,internal_state_weights,output_weights)  
  13.     return losses  
  1. 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=10evaluate_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。 

 

责任编辑:庞桂玉 来源: 深度学习这件小事
相关推荐

2021-01-15 13:28:53

RNNPyTorch神经网络

2018-01-26 09:02:30

LinuxPDF创建视频

2009-06-26 11:15:08

JSF入手JSP

2020-12-15 10:14:47

NumPynanPython

2010-07-07 16:53:50

UML顺序图

2018-05-18 10:06:30

开发者技能命令

2009-09-22 13:41:10

直接使用Hiberna

2020-08-20 07:00:00

人工智能深度学习技术

2017-06-19 15:12:30

Uber神经网络事件预测

2017-11-20 05:41:41

数组矩阵NumPy

2020-05-07 19:46:18

LinuxMySQLMariaDB

2021-04-30 16:04:03

PythonNumPy元组

2017-04-14 15:28:27

1-Numpy基础多维数组

2016-09-20 13:02:12

CLinuxAutotool

2018-11-30 10:55:03

Windows 7Windows 10Linux USB盘

2010-09-08 15:59:36

2011-05-16 13:40:13

MySQL储存图片

2010-11-04 09:43:46

LINQ to SQL

2018-11-01 09:14:42

CNNRNN神经网络

2010-03-30 16:54:53

升级Win2008 R
点赞
收藏

51CTO技术栈公众号