MENU

RNN Layer

January 27, 2020 • Read: 7011 • Deep Learning阅读设置

一个RNN Layer如下图所示

假设x的shape是[10, 3, 100],翻译一下就是,10个单词,每次训练3句话,每个单词用一个100维的tensor来表达

那么对于输入$x_t$来说,$x_t$的shape就是[3 100]

接着再看上面的运算过程,其中hidden len就是memory的维度,假设是20。因此:

$$ \begin{align*} h_{t+1} &= x_t @ w_{xh} + h_t @ w_{hh}\\ &= [3, 100] @ [20, 100]^T + [3, 20] @ [20, 20]^T \\ &= [3, 20] \end{align*} $$

nn.RNN

用代码定义一个RNN Layer,然后查看其参数信息

import torch
import torch.nn as nn

rnn = nn.RNN(100, 20)
print(rnn._parameters.keys())
print(rnn.weight_ih_l0.shape) # w_{xh} [20, 100]
print(rnn.weight_hh_l0.shape) # w_{hh} [20, 20]
print(rnn.bias_ih_l0.shape) # b_{xh} [20]
print(rnn.bias_hh_l0.shape) # b_{hh} [20]

解释上面的代码前先看一下PyTorch中RNN类的参数(参考于PyTorch官网RNN API

  • 必选参数input_size,指定输入序列中单个样本的尺寸大小,例如可能用一个1000长度的向量表示一个单词,则input_size=1000
  • 必选参数hidden_size,指的是隐藏层中输出特征的大小
  • 必选参数num_layers,指的是纵向的隐藏层个数,一般设置为1~10,default=1

现在上面的代码就很好理解了,nn.RNN(100, 20)中100指的是用一个长度为100的向量表示一个单词,20指的是hidden_size

RNN的forward函数与CNN定义的方式有点不太一样,具体见下图

参数中的$x$不是$x_t$,就是直接把$x=[seq\_len, batch, feature\_len]$带进去

$h_0$如果不写默认就是0,如果写的话,$h_0$的维度是$[layers, batch, hidden\_len]$

看下代码

import torch
import torch.nn as nn

rnn = nn.RNN(input_size=100, hidden_size=20, num_layers=1)
x = torch.randn(10, 3, 100)
out, h_t = rnn(x, torch.zeros(1, 3, 20))
print(out.shape) # [10, 3, 20]
print(h_t.shape) # [1, 3, 20]

每个地方参数的shape都是有关联的,必须要把上面我写的内容看懂了才能理解

$h_t$和$out$很容易搞混,我们先看一个2层的RNN模型

在解释$h_t$和$out$之前要先理解一个概念——时间戳,时间戳是针左右而不是上下,什么意思呢,就是上图是一个两层的RNN,假设这两层的RNN右边分别又各接一层,那这样的左右结构就是时间戳,基于此,给出$h_t$和$out$的定义:

  • $h_t$:最后一个时间戳上面所有的memory状态
  • $out$:所有时间戳上的最后一个memory状态

而第几个memory是针对层来说的,比方说第一层的memory就是第一个memory,最后一层的memory就是最后一个memory

看下代码

import torch
import torch.nn as nn

rnn = nn.RNN(input_size=100, hidden_size=20, num_layers=4)
x = torch.randn(10, 3, 100)
out, h_t = rnn(x)
print(out.shape) # [10, 3, 20]
print(h_t.shape) # [4, 3, 20]

如果理解了上面$out$和$h_t$的shape,这里的输出也就不难想到了

上面nn.RNN()的定义方式是直接把整个$x$输入,自动完成循环。下面再介绍一种定义RNN的方式,需要手动完成循环

nn.RNNCell

先看一下PyTorch的官方API

参数和nn.RNN大体相似,但是注意input_size的shape是(batch, input_size),而且hidden_size的shape也是(batch, hidden_size),这就导致forward也不一样

看下代码

import torch
import torch.nn as nn

cell1 = nn.RNNCell(100, 20)
x = torch.randn(10, 3, 100)
h1 = torch.zeros(3, 20)
for xt in x:
    h1 = cell1(xt, h1)
print(h1.shape) # [3, 20]

上面就就是一层的RNN,用RNNCell的方式,手动循环进行训练

下面在看一个两层的RNN,用RNNCell的方式怎么做

import torch
import torch.nn as nn

cell1 = nn.RNNCell(100, 30) # 100 -> 30
cell2 = nn.RNNCell(30, 20)
x = torch.randn(10, 3, 100)
h1 = torch.zeros(3, 30)
h2 = torch.zeros(3, 20)
for xt in x:
    h1 = cell1(xt, h1)
    h2 = cell2(h1, h2)
print(h2.shape) # [3, 20]

第一层的作用是将一个100维的输入变为30维的memory输出,然后将输出带入到第二层,第二层的输出是一个20维的memory。最重要的代码是for中的两句话,第一层的输入是xt和memory h1,第二层的输入是第一层的memory h1,以及第二层的memory h2

Last Modified: December 31, 2020
Archives Tip
QR Code for this page
Tipping QR Code
Leave a Comment

4 Comments
  1. Jimmy Jimmy

    大佬,第二张图下面的@Whh是[20,20]的转置,不是[20,100]吧?

    1. mathor mathor

      @Jimmy已修改,感谢提醒

  2. gcman gcman

    大佬太强了,本来迷迷糊糊的,看了这篇一下就懂了

  3. amber amber

    真是好登西啊好登西,谢谢大佬