《深度学习进阶：自然语言处理》读书笔记：第6章 Gated RNN

第6章 Gated RNN

RNN层通过向过去传递“有意义的梯度”，能够学习时间方向上的依赖关系。此时梯度（理论上）包含了那些应该学到的有意义的信息，通过将这些信息向过去传递，RNN层学习长期的依赖关系。但是，如果这个梯度在中途变弱（甚至没有包含任何信息），则权重参数将不会被更新。也就是说，RNN层无法学习长期的依赖关系。不幸的是，随着时间的回溯，这个简单RNN未能避免梯度变小（梯度消失）或者梯度变大（梯度爆炸）的命运。

梯度爆炸。梯度的大小随时间步长呈指数级增加，如果发生梯度爆炸，最终就会导致溢出，出现NaN之类的值。如此一来，神经网络的学习将无法正确运行。

梯度消失。梯度呈指数级减小，如果发生梯度消失，梯度将迅速变小。一旦梯度变小，权重梯度不能被更新，模型就会无法学习长期的依赖关系。

矩阵的奇异值表示数据的离散程度。根据奇异值（更准确地说是多个奇异值中的最大值）是否大于1，可以预测梯度大小的变化。如果奇异值的最大值大于1，则可以预测梯度很有可能会呈指数级增加；如果奇异值的最大值小于1，则可以判断梯度会呈指数级减小。但是，并不是说奇异值比1大就一定会出现梯度爆炸。

LSTM与RNN的接口的不同之处在于，LSTM还有路径c。这个c称为记忆单元（或者简称为“单元”），相当于LSTM专用的记忆部门。

记忆单元的特点是，仅在LSTM层内部接收和传递数据。也就是说，记忆单元在LSTM层内部结束工作，不向其他层输出。而LSTM的隐藏状态h和RNN层相同，会被（向上）输出到其他层。

在大多数情况下，门使用sigmoid函数作为激活函数，而包含实质信息的数据则使用tanh函数作为激活函数。

在RNN的反向传播中，我们使用相同的权重矩阵重复了多次矩阵乘积计算，由此导致了梯度消失（或梯度爆炸）。而LSTM的反向传播进行的不是矩阵乘积计算，而是对应元素的乘积计算，而且每次都会基于不同的门值进行对应元素的乘积计算。这就是它不会发生梯度消失（或梯度爆炸）的原因。

LSTM是Long Short-Term Memory（长短期记忆）的缩写，意思是可以长（Long）时间维持短期记忆（Short-Term Memory）。

通过叠加LSTM层，可以期待能够学习到时序数据的复杂依赖关系。换句话说，通过加深层，可以创建表现力更强的模型，但是这样的模型往往会发生过拟合。更糟糕的是，RNN比常规的前馈神经网络更容易发生过拟合，因此RNN的过拟合对策非常重要。

过拟合是指过度学习了训练数据的状态，也就是说，过拟合是一种缺乏泛化能力的状态。我们想要的是一个泛化能力强的模型，因此必须基于训练数据和验证数据的评价差异，判断是否发生了过拟合，并据此来进行模型的设计。

本章的主题是Gated RNN，我们指出了上一章的简单RNN中存在的梯度消失（或梯度爆炸）问题，说明了作为替代层的Gated RNN（具体指LSTM和GRU等）的有效性。这些层使用门这一机制，能够更好地控制数据和梯度的流动。

另外，本章使用LSTM层创建了语言模型，并在PTB数据集上进行了学习，评价了困惑度。另外，通过LSTM的多层化、Dropout和权重共享等技巧，成功地大幅度提高了精度。

本章所学的内容

1.在简单RNN的学习中，存在梯度消失和梯度爆炸问题；

2.梯度裁剪对解决梯度爆炸有效，LSTM、GRU等Gated RNN对解决梯度消失有效；

3.LSTM中有3个门：输入门、遗忘门和输出门；

4.门有专门的权重，并使用sigmoid函数输出0.0~1.0的实数；

5.LSTM的多层化、Dropout和权重共享等技巧可以有效改进语言模型；

6.RNN的正则化很重要，人们提出了各种基于Dropout的方法。