TensorFlow中的LSTM源码理解与二次开发

TensorFlow中的LSTM源码理解与二次开发

前言

学习TensorFlow其官方实现是一个很好的参考资料，而LSTM是在深度学习中经常使用的，我们开始探讨下其在TensorFlow中的实现方式，从而学习定制自己的RNN单元。
如有谬误，请联系指正。转载请注明出处。

联系方式：
e-mail: [email protected]
QQ: 973926198
github: https://github.com/FesianXu
有关代码开源: click

---

在TensorFlow中，已经实现了基本的循环神经网络结构，如Basic RNN, Basic LSTM, GRU, 双向LSTM等。其与RNN相关的python实现源码，路径位于：
\tensorflow\python\ops\rnn_cell_impl.py， github链接： rnn_cell_impl.py

其实现直观明了，我们这里简单介绍下。
首先，需要大概了解下LSTM的单元结构，其公式描述如下：

⎛⎝⎜⎜⎜ifog⎞⎠⎟⎟⎟=⎛⎝⎜⎜⎜sigmoidsigmoidsigmoidtanh⎞⎠⎟⎟⎟(W(xtht−1))(1.1) (1.1) ( i f o g ) = ( s i g m o i d s i g m o i d s i g m o i d t a n h ) ( W ( x t h t − 1 ) )

ct=f⊙ct−1+i⊙g(1.2) (1.2) c t = f ⊙ c t − 1 + i ⊙ g

ht=o⊙tanh(ct)(1.3) (1.3) h t = o ⊙ t a n h ( c t )

而其细胞结构图，如下图所示：

具体原理这里不介绍，请参考： [译] 理解 LSTM 网络

于是，我们的任务就是实现出一个具有这种结构的单元，输入 ct−1 c t − 1 和 ht−1 h t − 1 ，输出 ct c t 和 ht h t ，让我们看看TensorFlow官方是怎么写的。

---

以下是LSTM的Basic实现，其主要初始化参数为num_unit（隐藏层的输入神经元数），activation（激活函数，默认采用tanh），forget_bias是给遗忘门加的偏置，可以减少过拟合，state_is_tuple是state格式控制的，一般用True即可。为了简洁，将源码中的一些文档注释去掉了，添加了自己的中文注释。（在TensorFlow version 1.4.1下）

class BasicLSTMCell(RNNCell):
  ## 这里继承了RNNCell父类，所有RNN相关的单元都建议继承RNNCell父类。 comment_1
  def __init__(self, num_units, forget_bias=1.0,
               state_is_tuple=True, activation=None, reuse=None):
    super(BasicLSTMCell, self).__init__(_reuse=reuse)
    if not state_is_tuple:
      logging.warn("%s: Using a concatenated state is slower and will soon be "
                   "deprecated.  Use state_is_tuple=True.", self)
    self._num_units = num_units
    self._forget_bias = forget_bias
    self._state_is_tuple = state_is_tuple
    self._activation = activation or math_ops.tanh

  # 这里有两个属性state_size和output_size分别是RNNCell里定义的属性，根据需求重写与否。
  @property
  def state_size(self):
    return (LSTMStateTuple(self._num_units, self._num_units)
            if self._state_is_tuple else 2 * self._num_units)

  @property
  def output_size(self):
    return self._num_units

  # LSTM Cell的实体，定义了公式(1.1)-(1.3)中的结构。
  def call(self, inputs, state):
    sigmoid = math_ops.sigmoid
    # Parameters of gates are concatenated into one multiply for efficiency.
    if self._state_is_tuple:
      c, h = state
    else:
      c, h = array_ops.split(value=state, num_or_size_splits=2, axis=1)
    ## 这里体现了参数state_is_tuple的作用了，如果为True，则传入的状态(c,h)需要为一个元组传入，如果False，则需要传入一个Tensor，其中分别是c和h层叠而成，建议采用第一种为True的方案，减少split带来的开销。

    concat = _linear([inputs, h], 4 * self._num_units, True)
    ## 这里将inputs和上一个输出状态拼接起来，尔后进行线性映射，见公式(1.1)。输出为4倍的隐藏层神经元数，是为了后面直接分割得到i,j,f,o(其中的j为公式中的g，代表gate)
    ## 其中的_linear()是rnn_cell_impl.py中的一个函数，作用就是线性映射，有兴趣各位可以移步去看看，其实很简单的。

    i, j, f, o = array_ops.split(value=concat, num_or_size_splits=4, axis=1)
    # 分割
    new_c = (
        c * sigmoid(f + self._forget_bias) + sigmoid(i) * self._activation(j))
    new_h = self._activation(new_c) * sigmoid(o)
    # 核心计算，更新状态得到new_c和new_h

    if self._state_is_tuple:
      new_state = LSTMStateTuple(new_c, new_h)
    else:
      new_state = array_ops.concat([new_c, new_h], 1)
    return new_h, new_state

我们可以看出，其实定义一个循环神经网络的细胞单元很简单，首先继承父类RNNCell，按照你的需求重写state_size, output_size和call，有时候还需要重写zeros_state，其中state_size, output_size重写这两个属性才能在MultiRNNCell,DropoutWrapper,dynamic_rnn等方法中正常使用。至于call就是其核心的方法了，如果自定义自己的单元，肯定需要重写的，zeros_state是进行细胞状态初始化的，一般初始化为全0张量即可。

而其中的核心运算将会涉及到张量的算术运算和张量其他运算如split,concat等，这个时候就不能直接使用tf.add,tf.concat等了，我们需要调用array_ops.py和math_ops.py里面的对array的操作（如在numpy中的相似）和一些算术运算，并且我们还需要调用ops，其中也包含了很多张量操作。这三个文件的位置在：

1. array_ops.py, math_ops -> \tensorflow\python\ops
2. ops -> \tensorflow\python\framework

---

我这里实现了 《NTU RGB+D: A Large Scale Dataset for 3D Human Activity Analysis》中的P-LSTM，细胞结构图如：

待我整理好后给大家分享一下，探讨下具体将如何更改RNN单元。