在这一篇中,我们将深入探讨LSTM及其变体的结构,并从零开始实现这些模型。为了帮助大家更好地理解,我们会逐步实现Vanilla LSTM、Coupled Gate LSTM、Peephole LSTM以及双向LSTM(BiLSTM)。此外,还会实现Attention机制,包括General Attention和Self-Attention,帮助我们理解它们在自然语言处理中的应用。
1. LSTM及其变体
1.1 LSTM工作机制
LSTM的主要作用是通过“记忆单元”(cell state)来保存信息,并通过三个“门控机制”——遗忘门、输入门和输出门,来控制哪些信息应该保留、更新或输出。
- 遗忘门:决定从上一时间步的记忆中舍弃哪些信息。
- 输入门:决定当前时间步哪些新的信息需要写入到记忆中。
- 输出门:根据更新后的记忆状态,决定输出什么信息。
通过这些机制,LSTM可以很好地捕捉序列中的长期依赖关系,避免信息随着时间步的增加而丢失。
1.2 代码实现LSTM
下面是一个从零开始实现的LSTM单元。
import torch
import torch.nn as nn
import math
class LSTMCell(nn.Module):
def __init__(self, input_dim, hidden_dim):
super(LSTMCell, self).__init__()
self.hidden_dim = hidden_dim
# 初始化权重矩阵
self.W_f = nn.Parameter(torch.Tensor(hidden_dim, hidden_dim))
self.U_f = nn.Parameter(torch.Tensor(input_dim, hidden_dim))
self.b_f = nn.Parameter(torch.Tensor(hidden_dim))
self.W_i = nn.Parameter(torch.Tensor(hidden_dim, hidden_dim))
self.U_i = nn.Parameter(torch.Tensor(input_dim, hidden_dim))
self.b_i = nn.Parameter(torch.Tensor(hidden_dim))
self.W_o = nn.Parameter(torch.Tensor(hidden_dim, hidden_dim))
self.U_o = nn.Parameter(torch.Tensor(input_dim, hidden_dim))
self.b_o = nn.Parameter(torch.Tensor(hidden_dim))
self.W_g = nn.Parameter(torch.Tensor(hidden_dim, hidden_dim))
self.U_g = nn.Parameter(torch.Tensor(input_dim, hidden_dim))
self.b_g = nn.Parameter(torch.Tensor(hidden_dim))
self.init_weights()
def init_weights(self):
stdv = 1.0 / math.sqrt(self.hidden_dim)
for weight in self.parameters():
weight.data.uniform_(-stdv, stdv)
def forward(self, x, init_states=None):
bs, seq_len, _ = x.shape
outputs = []
if init_states is None:
h_t = torch.zeros(bs, self.hidden_dim).to(x.device)
c_t = torch.zeros(bs, self.hidden_dim).to(x.device)
else:
h_t, c_t = init_states
for t in range(seq_len):
x_t = x[:, t, :]
f_t = torch.sigmoid(h_t @ self.W_f + x_t @ self.U_f + self.b_f)
i_t = torch.sigmoid(h_t @ self.W_i + x_t @ self.U_i + self.b_i)
o_t = torch.sigmoid(h_t @ self.W_o + x_t @ self.U_o + self.b_o)
g_t = torch.tanh(h_t @ self.W_g + x_t @