LSTM总结_candidate cell state-CSDN博客

本文详细介绍了LSTM（长短期记忆网络）和GRU（门控循环单元）的工作原理，这两种模型旨在解决传统RNN在处理长距离依赖时遇到的梯度消失问题。LSTM通过细胞状态和门控机制有效地传递和管理长期信息，而GRU则通过重置门和更新门简化了这一过程。LSTM和GRU在自然语言处理等领域的应用中表现出色，能够更好地捕捉序列数据中的长期依赖关系。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

RNN有不能处理长依赖的问题，长短期记忆LSTM是一种特殊的RNN，适用于学习长期依赖。所有RNN都有循环神经网络模型的链式形式，在RNN中，循环可以是简单的tanh层

LSTM也有这种链式结构，但循环单元有着一种不同的结构。里面不再是只有单一的神经网络层，里面有四个，并且他们都以非常简单的方式起作用。

在上面的图中，每行都有一个箭头，从一个结点的输出到另外的结点的输入。粉色的圆代表结点操作，比如向量相加，而黄色的长方形是学习的神经网络层。线的合并代表链接，而箭头的分叉代表内容复制后流向不同的位置。

lstm背后的核心思想

lstm关键之处在于cell的状态，即图中贯穿顶部的那条水平线。cell的状态像是一条传送带，它贯穿整条链，其中只发生一些小的线性作用。信息流过这条线而不改变是非常容易的。如下图所示

LSTM也有能力移除或增加信息到cell状态中，由被称为门的结构精细控制。门是一种让信息可选地通过的方法。它们由一个sigmoid神经网络层和一个点乘操作组成。

sigmod层输出[0, 1]区间内的数，描述了每个部分中应该通过的比例。输出0意味着“什么都不能通过”，而输出1意味着“让所有东西通过”。一个LSTM有四个这样的门，以保护和控制cell的状态。

顾名思义，lstm为什么叫长短期记忆网络，是因为lstm有对长期记忆的处理，就像最上面的传送带。当然也有对短期记忆进行处理，选择性的保留和添加。

深入理解lstm

LSTM的第一步是决定我们需要从cell状态中扔掉什么样的信息。这个决策由一个称为“遗忘门（forget gate）”的sigmoid层决定。输入ht-1和xt，输出一个0和1之间的数。1代表“完全保留这个值”，而0代表“完全扔掉这个值”。

比如对于一个基于上文预测最后一个词的语言模型。cell的状态可能包含当前主题的信息，来预测下一个准确的词。而当我们得到一个新的语言主题的时候，我们会想要遗忘旧的主题的记忆，应用新的语言主题的信息来预测准确的词。

第二步是决定我们需要在cell state里存储什么样的信息。这个问题有两个部分。第一，一个sigmoid层调用“输入门（input gate）”以决定哪些数据是需要更新的。然后，一个tanh层为新的候选值创建一个向量 Ct ，这些值能够加入state中。下一步，我们要将这两个部分合并以创建对state的更新。

比如还是语言模型，可以表示为想要把新的语言主题的信息加入到cell state中，以替代我们要遗忘的旧的记忆信息。

在决定需要遗忘和需要加入的记忆之后，就可以更新旧的cell state Ct-1到新的cell state [公式] 了。在这一步，我们把旧的state 与相乘，遗忘我们先前决定遗忘的东西，然后我们加上，这可以理解为新的记忆信息，当然，这里体现了对状态值的更新度是有限制的，我们可以把当成一个权重。

最后，我们需要决定要输出的东西。这个输出基于我们的cell state，但会是一个过滤后的值。首先，我们运行一个sigmoid层，这个也就是输出门（output gate），以决定cell state中的那个部分是我们将要输出的。然后我们把cell state放进tanh（将数值压到-1和1之间），最后将它与sigmoid门的输出相乘，这样我们就只输出了我们想要的部分了。

lstm如何避免梯度消失和梯度爆炸

传统的RNN是用覆盖的的方式计算状态：St=f(St-1,xt)，也就是说，这有点类似于复合函数，那么根据链式求导的法则，复合函数求导：设 [公式] 和为的可导函数，则，他们是一种乘积的方式，那么如果导数都是小数或者都是大于1的数的话，就会使得总的梯度发生vanishing或explosion的情况，当然梯度爆炸(gradient explosion)不是个严重的问题，一般靠裁剪后的优化算法即可解决，比如gradient clipping（如果梯度的范数大于某个给定值，将梯度同比收缩），但是梯度消失做不到，这个时候就要用lstm了。