RNN的通俗讲解（初级篇）

    导师前阵子提到要写技术博客。想想可以记录自己的学习历程，还能认识同行大神一起讨论什么的，就决定开始写了。很遗憾大学没有写技术博客，不过大学的信息安全专业相关的知识我也不会丢下（希望是这样=_=），会慢慢边学边写。现在应该会以语音和机器学习的方向为主了。
    作为CSDN的处女作，就先把我的本科毕业设计和大家分享吧。
    其实当时我学习RNN的时候，只读一篇Mikolov的介绍RNN的博士毕业论文的时候是比较晕的，因为他的公式都只给了最后的结论公式。但是概念什么的讲的非常清楚了，所以我就按照我所记得的当时理解上的难点，简单强调一下吧。

     假设我的读者已经理解了什么是语言模型，以及什么是RNN的基础上面。
     RNN是最近很火的语言模型，因为有一个循环的隐藏层，因此可以比n-gram算法记录更多的历史信息，从而效果更好。

优点：PPL低，模型鲁棒性更强，最终模型体积小，可以作为本地模型使用
缺点：速度慢！速度慢！速度慢！

    关于训练方式：RNN是一个一个单词训练的，每一次把当前训练单词的单词输入到RNN中去。
关于输入：RNN的输入是一个1 of n的n维向量表示，n等于词表大小，其中有一个1，表示当前单词位词表中的某一个，其它位置都是0。

    关于输出：RNN的输出层表示概率发射。 举个例子，假设当前要训练的句子是【我 想  吃  糖】，当前训练的单词是吃，词表大小为100，那么当吃这个字训练完毕之后，【我 想 吃】都变成了历史， 输出层的含义是在历史为【我 想 吃】的情况下，词表中100个单词各自出现在后面的概率是多少。  这就是概率发射概率， 和当前训练的单词其实是没什么关系的啦，因为它已训练完后就已经变成历史了哦～ 

     关于语言模型：很多人看了论文之后还不知道，RNN中我们要训练的语言模型到底是啥呀，是隐藏层么？ 当然不是啦，我们要训练的其实是那三个权值矩阵。（如图，盗了mikolov大神论文里的图：输入层到隐藏层也就是vocab_vector，隐藏层到隐藏层，隐藏层到输出层）。隐藏层和输出层其实可以理解成计算单元，分别是sigmoid函数和softmax函数。  另外s(t-1)表示的是上一时刻隐藏层的【输出】

关于BPTT（back propagation/反向传播）：
	这个地方有两个名词：梯度，和梯度误差特别容易晕(+_+)，根据我的理解，梯度误差是一个vector，从输出层反向传到隐层s(t)->s(t-1)->s(t-2)酱一直往前传bptt+1次。 而梯度呢，是由梯度误差和前一层的输出vector进行矩阵相乘得到的matrix。 梯度乘以学习率alpha就可以用来更新权值矩阵辣（也就是我们的语言模型要学习的东西）

    然后梯度是输出层通过求导得到的，求导过程有点麻烦就像酱：
    但是碰巧得到了很简单很整齐的结果就像酱 ： 

    所以最后输出层的error就是用当前单词的one_of_k向量减去概率发射函数啦， ps我当时傻乎乎的觉得这么减好对好对啊，完全不知道是数学推导得出的,因为当时mikolov的论文也并没有讲这个e0求得的过程。
然后呢就向前传，一边传一边求梯度。 由y的error和s(t)的输出这两个vector相乘得到的梯度就用来更新v，error传到s(t)，s(t)的error和s(t-1)的输出相乘得到了w的梯度用来更新w，依次类推
)
    梯度怎么向前传呢？

    公式太多打起来好累我就直接截图贴论文辣 ><      总之呢error的传递也是用数学求导求得的。  数学不太好的我也是推的累累的QAQ。
     然后我觉得RNN中比较困惑比较难的就是上面这么多啦 ，  我感觉这些都是对那些已有的大牛的论文的补充，单独看我的可能比较模糊，如果读了论文之后还有疑惑看这些就比较清楚。   （直接看论文就能看很懂的大神们就54我的话吧）

     总之还是希望能帮到大家，顺便记录下来当时自己学习的心路历程。
     当然我的毕设是在这基础上做了其他信息加入的融合训练，并不是直接的RNN 。  以后再开一篇写吧。
     现在在做RNN多GPU并行加速，完成之后再和大家分享^_^。