动手学习深度学习（总结梳理）——24. 循环神经网络简洁实现

目录

1. 定义模型

2. 训练和预测

3. QA

3.1 请问num_steps做什么用的？

3.2 请问（5，2，8）那里不转置可以吗？转置是为了符合接口形状吗？

3.3 为什么是批量大小乘时间长度？

3.4 batch_size和time的区别是什么？

3.5 预测这段代码对于prefix的处理好像是直接放到output里面，没意把他拿出来再训练，是不是可以把prefix也用起来，训练比较好？

3.6 num_step可以理解为隐藏层的层数嘛？

3.7 批量随不随机取，应该要看批量之间有没有时间关联把？如果有关联就不能随机取吧？

3.8 rnn处理不了长序列得原因是？

---

import torch
from torch import nn
from torch.nn import functional as F
from d2l import torch as d2l

batch_size, num_steps = 32, 35
train_iter, vocab = d2l.load_data_time_machine(batch_size, num_steps)

1. 定义模型

num_hiddens = 256
rnn_layer = nn.RNN(len(vocab), num_hiddens)

我们使用张量来初始化隐状态，它的形状是（隐藏层数，批量大小，隐藏单元数）

state = torch.zeros((1, batch_size, num_hiddens))
state.shape                    '''
torch.Size([1, 32, 256])       '''

通过一个隐状态和一个输入，我们就可以用更新后的隐状态计算输出。 需要强调的是，rnn_layer的“输出”（Y）不涉及输出层的计算： 它是指每个时间步的隐状态，这些隐状态可以用作后续输出层的输入。

X = torch.rand(size=(num_steps, batch_size, len(vocab)))
Y, state_new = rnn_layer(X, state)
Y.shape, state_new.shape

 我们为一个完整的循环神经网络模型定义了一个RNNModel类。 注意，rnn_layer只包含隐藏的循环层，我们还需要创建一个单独的输出层。

class RNNModel(nn.Module):
    """ 循环神经网络模型 """
    def __init__(self, rnn_layer, vocab_size, **kwargs):
        super(RNNModel, self).__init__(**kwargs)
        self.rnn = rnn_layer
        self.vocab_size = vocab_size
        self.num_hiddens = self.rnn.hidden_size
        """ 如果RNN是双向的（之后将介绍），num_directions应该是2，否则应该是1 """
        if not self.rnn.bidirectional:
            self.num_directions = 1
            self.linear = nn.Linear(self.num_hiddens, self.vocab_size)
        else:
            self.num_directions = 2
            self.linear = nn.Linear(self.num_hiddens * 2, self.vocab_size)

    def forward(self, inputs, state):
        X = F.one_hot(inputs.T.long(), self.vocab_size)
        X = X.to(torch.float32)
        Y, state = self.rnn(X, state)
        """ 全连接层首先将Y的形状改为(时间步数*批量大小,隐藏单元数) """
        """ 它的输出形状是(时间步数*批量大小,词表大小)。 """
        output = self.linear(Y.reshape((-1, Y.shape[-1])))
        return output, state

    def begin_state(self, device, batch_size=1):
        if not isinstance(self.rnn, nn.LSTM):
            """ nn.GRU以张量作为隐状态 """
            return  torch.zeros((self.num_directions * self.rnn.num_layers,
                                 batch_size, self.num_hiddens),
                                device=device)
        else:
            """ nn.LSTM以元组作为隐状态 """
            return (torch.zeros((
                self.num_directions * self.rnn.num_layers,
                batch_size, self.num_hiddens), device=device),
                    torch.zeros((
                        self.num_directions * self.rnn.num_layers,
                        batch_size, self.num_hiddens), device=device))

2. 训练和预测

device = d2l.try_gpu()
net = RNNModel(rnn_layer, vocab_size=len(vocab))
net = net.to(device)
d2l.predict_ch8('time traveller', 10, net, vocab, device)

 很明显，这种模型根本不能输出好的结果。 接下来，我们使用上一节定义的超参数调用train_ch8，并且使用高级API训练模型。

num_epochs, lr = 500, 1
d2l.train_ch8(net, train_iter, vocab, lr, num_epochs, device)

 与上一节相比，由于深度学习框架的高级API对代码进行了更多的优化， 该模型在较短的时间内达到了较低的困惑度。

3. QA

3.1 请问num_steps做什么用的？

这里我们输入一句话其实是一个字一个字去预测下一个字是什么种类的多分类问题，所以本质类似于mlp的小批量。

3.2 请问（5，2，8）那里不转置可以吗？转置是为了符合接口形状吗？

不转置是可以的，但是你去预测的时候应该是遍历中间维度的时间维度，然后去接触前两个维度，这里会有性能问题，但是确实可以。

3.3 为什么是批量大小乘时间长度？

因为每个批量，你的时间维度是t，那你应该是要做t次分类，对任何一个样本任何一个时间维度，你都要进行一次分类预测，所以最后是相乘的。

3.4 batch_size和time的区别是什么？

time是你样本句子的长度，batch_size是你预测一个小批量的时候，的样本数量，time在cv中有些类似image相关，即数据相关的高宽大小。

3.5 预测这段代码对于prefix的处理好像是直接放到output里面，没意把他拿出来再训练，是不是可以把prefix也用起来，训练比较好？

我们prefix时只是把训练的内容做预处理更新状态，没有拿来预测模型。这里我们不希望我们的模型根据输入的内容动态变化改变模型，例如微软小冰，当时就是使用了这个策略，导致她当时不停的说很多脏话，这是个巨大的公关失误。

3.6 num_step可以理解为隐藏层的层数嘛？

不能这么看，我们num_step这里只是我们循环的轮数，从backward计算的角度看似乎是这样的，但是事实上，不能当成隐藏层的层数。

3.7 批量随不随机取，应该要看批量之间有没有时间关联把？如果有关联就不能随机取吧？

其实不是的，不随机取得后果是，泛化性变差了，事实上RNN很难预测很长得序列，这里随机取效果可能会更好一些。

3.8 rnn处理不了长序列得原因是？

原因是我们是吧之前的序列得状态存在一个隐变量里面，但是我们很难把一个特别长序列得东西存到一个隐藏层里面。当然可以通过扩大隐藏层大小来提升，但是这就变成一个mlp问题了。