Pytorch LSTM 长短期记忆网络

Pytorch LSTM 长短期记忆网络

0. 环境介绍

环境使用 Kaggle 里免费建立的 Notebook

教程使用李沐老师的 动手学深度学习 网站和 视频讲解

小技巧：当遇到函数看不懂的时候可以按 Shift+Tab 查看函数详解。

1. LSTM

LSTM 的设计灵感来自于计算机的逻辑门。
LSTM 引入了记忆单元(Memory cell)。
有些文献认为记忆单元是隐状态的一种特殊类型，它们与隐状态具有相同的形状，其设计的目的是用于记录附加的信息。LSTM 使用门控结构控制记忆单元。

在 LSTM 网络中，记忆单元 $c$ 可以在某个时刻捕捉到某个关键信息，并有能力将此关键信息保存一定的时间间隔。记忆单元 $c$ 中保存信息的生命周期要长于短期记忆 $h$，但又远远短于长期记忆， 长短期记忆是指长的 “短期记忆”。因此称为长短期记忆（Long Short-Term Memory）。

2. 门

• 遗忘门：$f_t$ 通过上一时刻隐状态 $h_{t-1}$ 和 当前输入 $x_t$ 控制上一时刻记忆单元 $c_{t-1}$ 需要遗忘多少信息。
• 输入门：$i_t$ 控制当前时刻的候选记忆单元 $c_t$ 有多少信息需要保存。
• 输出门：$o_t$ 控制当前时刻的记忆单元 $c_t$ 有多少信息需要输出给当前隐状态 $h_t$。

公式表示：

3. 从零开始实现代码

3.0 导包

!pip install -U d2l
import torch
from torch import nn
from d2l import torch as d2l

3.1 加载数据集

设置批量大小和步数

batch_size, num_steps = 32, 35
train_iter, vocab = d2l.load_data_time_machine(batch_size, num_steps)

3.2 初始化模型参数

def get_lstm_params(vocab_size, num_hiddens, device):
    num_inputs = num_outputs = vocab_size

    def normal(shape):
        return torch.randn(size=shape, device=device)*0.01

    def three():
        return (normal((num_inputs, num_hiddens)),
                normal((num_hiddens, num_hiddens)),
                torch.zeros(num_hiddens, device=device))

    W_xi, W_hi, b_i = three()  # 输入门参数
    W_xf, W_hf, b_f = three()  # 遗忘门参数
    W_xo, W_ho, b_o = three()  # 输出门参数
    W_xc, W_hc, b_c = three()  # 候选记忆单元参数
    # 输出层参数
    W_hq = normal((num_hiddens, num_outputs))
    b_q = torch.zeros(num_outputs, device=device)
    # 附加梯度
    params = [W_xi, W_hi, b_i, W_xf, W_hf, b_f, W_xo, W_ho, b_o, W_xc, W_hc,
              b_c, W_hq, b_q]
    for param in params:
        param.requires_grad_(True)
    return params

3.3 初始状态函数

在初始化函数中， 长短期记忆网络的隐状态需要返回一个额外的记忆单元， 单元的值为 $0$，形状为（批量大小，隐藏单元数）。 因此，我们得到以下的状态初始化。

def init_lstm_state(batch_size, num_hiddens, device):
    return (torch.zeros((batch_size, num_hiddens), device=device),
            torch.zeros((batch_size, num_hiddens), device=device))

3.4 定义模型

其中要注意：@ 表示矩阵乘法，* 和 + 表示矩阵 point-wise 计算。

def lstm(inputs, state, params):
    [W_xi, W_hi, b_i, W_xf, W_hf, b_f, W_xo, W_ho, b_o, W_xc, W_hc, b_c,
     W_hq, b_q] = params
    (H, C) = state
    outputs = []
    for X in inputs:
        I = torch.sigmoid((X @ W_xi) + (H @ W_hi) + b_i)
        F = torch.sigmoid((X @ W_xf) + (H @ W_hf) + b_f)
        O = torch.sigmoid((X @ W_xo) + (H @ W_ho) + b_o)
        C_tilda = torch.tanh((X @ W_xc) + (H @ W_hc) + b_c)
        C = F * C + I * C_tilda
        H = O * torch.tanh(C)
        Y = (H @ W_hq) + b_q
        outputs.append(Y)
    return torch.cat(outputs, dim=0), (H, C)

3.5 训练预测

vocab_size, num_hiddens, device = len(vocab), 256, d2l.try_gpu()
num_epochs, lr = 500, 1
model = d2l.RNNModelScratch(len(vocab), num_hiddens, device, get_lstm_params,
                            init_lstm_state, lstm)
d2l.train_ch8(model, train_iter, vocab, lr, num_epochs, device)

4. 简洁实现

使用 nn.LSTM，训练更快：

num_inputs = vocab_size
lstm_layer = nn.LSTM(num_inputs, num_hiddens)
model = d2l.RNNModel(lstm_layer, len(vocab))
model = model.to(device)
d2l.train_ch8(model, train_iter, vocab, lr, num_epochs, device)

Q & A