LSTM的公式推导详解

导言

在Alex Graves的这篇论文《Supervised Sequence Labelling with Recurrent Neural Networks》中对LSTM进行了综述性的介绍,并对LSTM的Forward Pass和Backward Pass进行了公式推导。

这篇文章将用更简洁的图示和公式一步步对Forward和Backward进行推导,相信读者看完之后能对LSTM有更深入的理解。

如果读者对LSTM的由来和原理存在困惑,推荐DarkScope的这篇博客:《RNN以及LSTM的介绍和公式梳理》

一、LSTM的基础结构

LSTM的结构中每个时刻的隐层包含了多个memory blocks(一般我们采用一个block),每个block包含了多个memory cell,每个memory cell包含一个Cell和三个gate,一个基础的结构示例如下图:
image

一个memory cell只能产出一个标量值,一个block能产出一个向量。

二、LSTM的前向传播(Forward Pass)

1. 引入

首先我们在上述LSTM的基础结构之上构造时序结构,这样让读者更清晰地看到Recurrent的结构:

LSTM的整体结构

这里我们有几个约定:

  1. 每个时刻的隐层包含一个block
  2. 每个block包含一个memory cell

下面前向传播我们则从Input开始,逐个求解Input Gate、Forget Gate、Cells Gate、Ouput Gate和最终的Output

这里需要申明的一点,推导过程严格按照上述图示LSTM的结构;论文中对相较于该文章的推导过程会有增加一些项,在每一个公式不一致的地方我都会有相应说明。

2. Input Gate(ι) 的计算

Input Gate接受两个输入:

  1. 当前时刻的Input作为输入:xt
  2. 上一时刻同一block内所有Cell作为输入:st1c

该案例中每层仅有单个Block、单个cemory cell,可以忽略Cc=1,以下Forget Gate和Output Gate做相同处理。

Input Gate

最终Input Gate的输出为:

atι=i=1Iωiιxti+c=1Cωcιst1c

btι=f(atι)

这里Input Gate还可以接受上一个时刻中不同block的输出bt1h作为输入,论文中atι会增加一项Hh=1ωhιbt1h

3. Forget Gate(ϕ) 的计算

Forget Gate接受两个输入:

  1. 当前时刻的Input作为输入:xt
  2. 上一时刻同一block内所有Cell作为输入:st1c

Forget Gate

最终Forget Gate的输出为:

atϕ=i=1Iωiϕxti+c=1Cωcϕst1c

btϕ=f(atϕ)

这里Input Gate还可以接受上一个时刻中不同block的输出bt1h作为输入,论文中atϕ会增加一项Hh=1ωhϕbt1h

4. Cell(c) 的计算

Cell的计算稍有些复杂,接受两个输入:

  1. Input Gate和Input输入的乘积
  2. Forget Gate和上一时刻对应Cell输出的乘积

Cell

最终Cell的输出为:

atc=i=1Iωicxti

stc=btϕst1c+btιg(atc)

这里Input Gate还可以接受上一个时刻中不同block的输出bt1h作为输入,论文中atc会增加一项Hh=1ωhcbt1h

5. Output Gate(ω) 的计算

Output Gate接受两个输入:

  1. 当前时刻的Input作为输入:xt
  2. 当前时刻同一block内所有Cell作为输入:stc

这里Output Gate接受“当前时刻Cell的输出”而不是“上一时刻Cell的输出”,是由于此时Cell的结果已经产出,我们控制Output Gate的输出直接采用Cell当前的结果就行了,无须使用上一时刻。

Output Gate

最终Output Gate的输出为:

atω=i=1Iωiωxti+c=1Cωcωstc

btω=f(atω)

这里Cell还可以接受上一个时刻中其他gate链接过来的边,论文中atϕ会增加一项Hh=1ωhϕbt1h,这里H是泛指t-1时刻的Cell或三个Gate。

6. Cell Output(c) 的计算

Cell Output的计算即将Output Gate和Cell做乘积即可。

Cell Output

最终Cell Output为:

btc=btωh(stc)

7. 小结

至此,整个Block从Input到Output整个Forward Pass已经结束,其中涉及三个Gate和中间Cell的计算,需要注意的是三个Gate使用的激活函数是f,而Input的激活函数是g、Cell输出的激活函数是h

这里读者需要注意,在整个计算过程中,当前时刻的三个Gate均可以从上一时刻的任意Gate中接受输入,在公式中存在体现,但是在图示中并未画出相应的边。我们可以认为只有上一时刻的Cell才和当前时刻的Cell或三个Gate相连。
前向小结

三、LSTM的反向传播(Backward Pass)

1. 引入

此处在论文中使用“Backward Pass”一词,但其实即Back Propagation过程,利用链式求导求解整个LSTM中每个权重的梯度。

2. 损失函数的选择

为了通用起见,在此我们仅展示多分类问题的损失函数的选择,对于网络的最终输出我们利用softmax方程计算结果属于某一类的概率(此时结果属于k个类别的概率和为1)。

p(Ck|x)=yk=eakKk=1eak

注意,ykak的偏导为ykak=ykδkkykykδkkk==k时为1,其他为0)

其中,对于网络输出a1,a2,...对应我们可以得到p(C1|x),p(C2|x),...,即给定输入x输出类别为C1,C2,...的概率。

这样损失函数(Loss Function)就很好定义了:对于k1,2,...,K,网络输出的类别为k概率为yk,而真实值zk

(x,z)=lnp(z|x)=k=1Kzklnyk

3. 权重的更新

对于神经网络中的每一个权重,我们都需要找到对应的梯度,从而通过不断地用训练样本进行随机梯度下降找到全局最优解,那么首先我们需要知道哪些权重需要更新。

一般层次分明的神经网络有input层、hidden层和output层,层与层之间的权重比较直观;但在LSTM中通过公式才能找到对应的权重,和图示中的边并不是一一对应,下面我将LSTM的单个Block中需要更新的权重在图示上标示了出来:

权重

为了方便起见,这里需要申明的是:我们仅考虑上一时刻的Cell仅和当前时刻的Cell和三个Gate相连。

2. Cell Output的梯度

首先我们计算每一个输出类别的梯度:

δtk========(x,z)atk(Kk=1zklnyk)atkk=1Kzklnykatkk=1Kzkykykatkk=1Kzkyk(ykδkkykyk)k=1Kzkykykδkk+k=1Kzkykykykzk+ykk=1Kzkykzk

也即每一个输出类别的梯度仅和其预测值和真实值相关,这样对于Cell Output的梯度则可以通过链式求导法则推导出来:

ϵtc=(x,z)btc=k=1K(x,z)atkatkbtc=k=1Kδtkωck

由于Output还可以连接下一个时刻的一个Cell、三个Gate,那么下一个时刻的一个Cell、三个Gate的梯度则可以传递回当前时刻Output,所以在论文中存在额外项Gg=1ωcgδt+1g,为简便起见,公式和图示中未包含。

Cell Output

3. Output Gate的梯度

根据链式求导法则,Output Gate的梯度可以由以下公式推导出来:

δtω=(x,z)atω=(x,z)btcbtcbtωbtωatω=ϵtch(stc)f(atw)

另外,由于单个Block内可以存在多个memory cell、一个Forget Gate、一个Input Gate和一个Output Gate,论文中将Output Gate的梯度写成了f(atw)Cc=1ϵtch(stc),但推导过程一致。推导过程见下图,说明梯度汇总到单个Gate中:

Output Gate

4. Cell的梯度

细心的读者在这里会发现,Cell的计算结构和普遍的神经网络不太一样,让我们首先来回顾一下Cell部分的Forward计算过程:

atc=i=1Iωicxti

stc=btϕst1c+btιg(atc)

输入数据贡献给atc,而Cell同时能够接受Input Gate和Forget Gate的输入。

这样梯度就直接从Cell向下传递:

δtc=(x,z)atc=(x,z)stcstcatc=(x,z)stcbtιg(atc)

在这里,我们定义States,由于Cell的梯度可以由以下几个计算单元传递回来:

  1. 当前时刻的Cell Output
  2. 下一个时刻的Cell
  3. 下一个时刻的Input Gate
  4. 下一个时刻的Output Gate

那么States可以这样求解,上面1~4个能够回传梯度的计算单元和下面公式中一一对应:

ϵts====(x,z)stct(x,z)stc+t+1(x,z)st+1cst+1cstc+t+1(x,z)at+1ιat+1ιstc+t+1(x,z)at+1ϕat+1ϕstc((x,z)atwatwstc+(x,z)btcbtcstc)+bt+1ϕϵt+1s+ωcιδt+1ι+ωcϕδt+1ϕδtωωcω+ϵtcbtωh(stc)+bt+1ϕϵt+1s+ωcιδt+1ι+ωcϕδt+1ϕ

那么:

δtc=ϵtsbtιg(atc)

Cell

细心的读者会发现,论文中(x,z)btc并没有求和,这里作者持保留态度,应该存在求和项。

同时由于Cell可以连接到下一个时刻的Forget Gate、Output Gate和Input Gate,那么下一时刻的这三个Gate则可以将梯度传播回来,所以在论文中我们会发现ϵts拥有这三项:bt+1ϕϵt+1sωclδt+1ιωcϕδt+1ϕ

5. Forget Gate的梯度

Forget Gate的梯度计算就比较简单明了:

δtϕ=(x,z)atϕ=(x,z)stcstcbtϕbtϕatϕ=ϵtsst1cf(atϕ)

Forget Gate

另外,由于单个Block内可以存在多个memory cell、一个Forget Gate、一个Input Gate和一个Output Gate,论文中将Forget Gate的梯度写成了f(atϕ)Cc=1st1cϵts,但推导过程一致,说明梯度汇总到单个Gate中。

6. Input Gate的梯度

Input Gate的梯度计算如下:

δtι=(x,z)atι=(x,z)stcstcbtιbtιatι=ϵtsg(atc)f(atι)

Input Gate

另外,由于单个Block内可以存在多个memory cell、一个Forget Gate、一个Input Gate和一个Output Gate,论文中将Input Gate的梯度写成了f(atι)Cc=1g(atc)ϵts,但推导过程一致,说明梯度汇总到单个Gate中。

7. 小结

至此,所有的梯度求解已经结束,同样我们将这个Backward Pass的所有公式列出来:

小结

剩下的事情即利用梯度去更新每个权重:

Δωn=mΔωn1αωn

其中mΔωn1为上一次权重的更新值,且m[0,1];而ωn即上面我们求到的每一个梯度。

例如每次更新ωiϕΔ量即:

Δωniϕ=mΔωn1iϕαxiδtϕ

其中δtϕ即Forget Gate的梯度。

三、总结

以上就是LSTM中的前向和反向传播的公式推导,在这里作者仅以最简单的单个Cell的场景进行示例。

在实际工程实践中,常常会涉及到同一时刻多个Cell且互相之间的Gate存在连接,同时上一个时刻或下一个时刻的Cell和三个Gate之间同样存在复杂的连接关系。

但如果读者能够明晰上述的推导过程,那么无论多复杂都能够迎刃而解了。

毛仁歆

2015年7月31日

阅读更多
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/u010754290/article/details/47167979
下一篇谱聚类的增量更新原理
想对作者说点什么? 我来说一句

没有更多推荐了,返回首页

关闭
关闭
关闭