深度学习面经-part3(RNN、LSTM）

核心思想：像人一样拥有记忆能力。用以往的记忆和当前的输入，生成输出。

RNN 和 传统神经网络 最大的区别:在于每次都会将前一次的输出结果，带到下一次的隐藏层中，一起训练。

RNN应用场景:

1.文本生成 2.语音识别 3.机器翻译 4.生成图像描述 5.视频标记

缺点：

        RNN 有短期记忆问题，无法处理很长的输入序列

        训练 RNN 需要投入极大的成本

RNN 是一种死板的逻辑，越晚的输入影响越大，越早的输入影响越小，且无法改变这个逻辑。

3.1 RNNs训练和传统ANN训练异同点？

相同点：都使用BP误差反向传播算法。

不同点：

        RNNs网络参数W,U,V是共享的，而传统神经网络各层参数间没有直接联系。

        对于RNNs，在使用梯度下降算法中，每一步的输出不仅依赖当前步的网络，还依赖于之前若干步的网络状态。

3.2 为什么RNN 训练的时候Loss波动很大?

​         由于RNN特有的memory会影响后期其他的RNN的特点，梯度时大时小，lr没法个性化的调整，导致RNN在train的过程中，Loss会震荡起伏，为了解决RNN的这个问题，在训练的时候，可以设置临界值，当梯度大于某个临界值，直接截断，用这个临界值作为梯度的大小，防止大幅震荡。

3.3 RNN中为什么会出现梯度消失？

        梯度消失现象：累乘会导致激活函数导数的累乘，如果取tanh或sigmoid函数作为激活函数的话，那么必然是一堆小数在做乘法，结果就是越乘越小。随着时间序列的不断深入，小数的累乘就会导致梯度越来越小直到接近于0，这就是“梯度消失“现象。

        实际使用中，会优先选择tanh函数，原因是tanh函数相对于sigmoid函数来说梯度较大，收敛速度更快且引起梯度消失更慢。

3.4 如何解决RNN中的梯度消失问题？

1.选取更好的激活函数，如Relu激活函数。ReLU函数的左侧导数为0，右侧导数恒为1，这就避免了“梯度消失“的发生。但恒为1的导数容易导致“梯度爆炸“，但设定合适的阈值可以解决这个问题。

2.加入BN层，其优点：加速收敛.控制过拟合，可以少用或不用Dropout和正则。降低网络对初始化权重不敏感，且能允许使用较大的学习率等。

3.改变传播结构，LSTM结构可以有效解决这个问题。

3.5 CNN VS RNN

不同点

1.CNN空间扩展，神经元与特征卷积；RNN时间扩展，神经元与多个时间输出计算

2.RNN可以用于描述时间上连续状态的输出，有记忆功能，CNN用于静态输出。

        长短期记忆网络（Long Short-Term Memory）是一种时间循环神经网络，是为了解决一般的RNN存在的长期依赖问题而专门设计出来的，所有的RNN都具有一种重复神经网络模块的链式形式。

        三个门（遗忘门，输入门，输出门），两个状态（Ct,ht）

遗忘门

​ 作用对象：细胞状态 。

两个输入：当前时刻的input、上一时刻同一block内所有Cell作为输入

​ 作用：将细胞状态中的信息选择性的遗忘。上一时刻的单元状态Ht-1有多少能保留到当前时刻

Ft和Ct-1做点积操作，Ft确保Ct-1有哪些东西需要被遗忘调

输入层门

作用对象：细胞状态

​ 作用：将新的信息选择性的记录到细胞状态中。决定当前时刻网络的输入Xt有多少能够保留到单元状态上。

两个输入：当前时刻的input、上一时刻同一block内所有Cell作为输入【例子中每层仅有单个Block,单个Cesll】

​ 操作步骤：

​ 步骤一:sigmoid 层称 “输入门层” 决定什么值我们将要更新

​ 步骤二，tanh 层创建一个新的候选值向量加入到状态中

输出层门

​ 作用对象：隐层ht  作用：确定输出什么值。控制单元状态Ct多少输出到LSTM的当前输出值

​ 操作步骤：

​ 步骤一:通过sigmoid 层来确定细胞状态的哪个部分将输出。

​ 步骤二:把细胞状态通过 tanh 进行处理，并将它和 sigmoid 门的输出相乘，最终我们仅仅会输出我们确定输出的那部分。

        推导forget gate，input gate，cell state， hidden information等的变化；因为LSTM有进有出且当前的cell informaton是通过input gate控制之后叠加的，RNN是叠乘，因此LSTM可以防止梯度消失或者爆炸。

sigmoid用在了各种gate上，产生0~1之间的值，一般只有sigmoid最直接了；

tanh用在了状态和输出上，是对数据的处理，这个用其他激活函数或许也可以。

        有些时候预测需要由前面若干输入和后面若干输入共同决定，这样会更加准确。

4.4 RNN扩展改进

4.4.1 Bidirectional RNNs

​          将两层RNNs叠加在一起，当前时刻输出(第t步的输出)不仅仅与之前序列有关，还与之后序列有关。例如：为了预测一个语句中的缺失词语，就需要该词汇的上下文信息。Bidirectional RNNs是一个相对较简单的RNNs，是由两个RNNs上下叠加在一起组成的。输出由前向RNNs和后向RNNs共同决定。

4.4.2 CNN-LSTMs

        该模型中，CNN用于提取对象特征，LSTMs用于预测。CNN由于卷积特性，其能够快速而且准确地捕捉对象特征。LSTMs的优点：能够捕捉数据间的长时依赖性。

4.4.3 Bidirectional LSTMs

        有两层LSTMs。 一层处理过去的训练信息，另一层处理将来的训练信息。

        通过前向LSTMs获得前向隐藏状态，后向LSTMs获得后向隐藏状态，当前隐藏状态是前向隐藏状态与后向隐藏状态的组合。

4.4.4 GRU

（14年提出）是一般的RNNs的变型版本，其主要是从以下两个方面进行改进。

1.以语句为例，序列中不同单词处的数据对当前隐藏层状态的影响不同，越前面的影响越小，即每个之前状态对当前的影响进行了距离加权，距离越远，权值越小。

2.在产生误差error时，其可能是由之前某一个或者几个单词共同造成，所以应当对对应的单词weight进行更新。GRUs的结构如下图所示。GRUs首先根据当前输入单词向量word vector以及前一个隐藏层状态hidden state计算出update gate和reset gate。再根据reset gate、当前word vector以及前一个hidden state计算新的记忆单元内容(new memory content)。当reset gate为1的时候，new memory content忽略之前所有memory content，最终的memory是由之前的hidden state与new memory content一起决定。

        与LSTM相比，GRU内部少了一个”门控“，参数比LSTM少，但是却也能够达到与LSTM相当的功能。考虑到硬件的计算能力和时间成本，因而很多时候我们也就会选择更加实用的GRU。

4.7.1 正向传播

4.8 如何缓解梯度消失和梯度爆炸问题

1. 使用门控循环单元（GRU）或长短期记忆网络（LSTM）：这两种结构都是对 RNN 的改进，它们通过引入门控机制来控制信息的流动，从而缓解梯度消失和梯度爆炸的问题。GRU 和 LSTM 中的门控机制可以控制哪些信息应该被保留或遗忘，从而使模型更加稳定。
2. 使用梯度裁剪：梯度裁剪是一种简单而有效的方法，可以防止梯度爆炸。在训练过程中，可以对梯度进行裁剪，使其不超过某个阈值。这样可以确保梯度不会变得过大，从而避免梯度爆炸。
3. 使用正则化：正则化可以帮助控制模型的复杂度，从而缓解梯度消失和梯度爆炸的问题。常见的正则化方法包括 L1 和 L2 正则化、Dropout 等。
4. 使用残差连接：残差连接是一种在深度神经网络中常用的技术，它可以帮助解决梯度消失和梯度爆炸的问题。在 RNN 中，可以在每个时间步的输出上添加一个残差连接，将当前时间步的输出与前一个时间步的输出相加，然后将结果作为当前时间步的输出。这样可以确保信息在模型中传递，从而缓解梯度消失和梯度爆炸的问题。
5. 使用更好的初始化：在训练 RNN 时，初始化权重非常重要。如果权重初始化不当，可能会导致梯度消失或梯度爆炸。可以使用 Xavier 初始化或 He 初始化等方法来初始化权重，这些方法可以确保权重的分布更加均匀，从而缓解梯度消失和梯度爆炸的问题。