门控循环单元GRU
Published:
本文介绍门控循环单元 GRU，通过重置门、更新门与候选隐状态解释信息的保留和更新方式，并给出 GRU 语言模型的代码实现。
🎦 本节课程视频地址 👇
门控循环单元(GRU, gated recurrent unit)
关注一个序列
- 不是每个观察值都同等重要
- 想只记住相关的观察需要，通过一些控制单元：
- 能关注的机制（更新门）
- 能遗忘的机制（重置门）
门
\[\begin{split} \bf R_t=\sigma(X-tW_{xr}+H_{t-1}W_{hr}+b_r)\\ \bf Z_t=\sigma(X-tW_{xz}+H_{t-1}W_{hz}+b_z) \end{split}\]经过 \(\sigma()\)， \(\bf R_t\) 和 \(\bf Z_t\) 的值都在 \(0-1\) 之间。
\(\bf R_t\)，\(\bf Z_t\) 和 \(\bf H_t\) 形状相同。
候选隐状态
\[{\bf \~H_t}=tanh(\bf X_tW_{xh}+(R_t⊙ H_{t-1})W_{hh}+b_h)\]符号 ⊙ 是Hadamard积运算符
如果 \(R_t\) 里的元素接近 0，那么 \(R_t⊙ H_{t-1}\) 也接近 0， 就是遗忘上一个时间的隐藏状态；相反，如果全为 1，就是上一刻状态的复现。
\(\bf R_t\) 可以学习
隐状态
\[\bf H_t=Z_t⊙ H_{t-1}+(1-\bf Z_t)⊙\~H_t\]\(\bf Z_t = 1\) 时，直接用前一时刻状态，舍弃当前状态 \(\bf Z_t = 0\) 时，不起作用；如果配合 \(\bf R_t = 1\)，就是RNN。
代码实现
和RNN的实现相比，只是增加了运算和对应权重，其他都保持一致。
import torch
from torch import nn
from d2l import torch as d2l
batch_size, num_steps = 32, 35
train_iter, vocab = d2l.load_data_time_machine(batch_size, num_steps)
def get_params(vocab_size, num_hiddens, device):
num_inputs = num_outputs = vocab_size
def normal(shape):
return torch.randn(size=shape, device=device)*0.01
def three():
return (normal((num_inputs, num_hiddens)),
normal((num_hiddens, num_hiddens)),
torch.zeros(num_hiddens, device=device))
W_xz, W_hz, b_z = three() # 更新门参数
W_xr, W_hr, b_r = three() # 重置门参数
#以上两个是GRU多出的参数
W_xh, W_hh, b_h = three() # 候选隐状态参数
# 输出层参数
W_hq = normal((num_hiddens, num_outputs))
b_q = torch.zeros(num_outputs, device=device)
# 附加梯度
params = [W_xz, W_hz, b_z, W_xr, W_hr, b_r, W_xh, W_hh, b_h, W_hq, b_q]
for param in params:
param.requires_grad_(True)
return params
def init_gru_state(batch_size, num_hiddens, device):
return (torch.zeros((batch_size, num_hiddens), device=device), )
def gru(inputs, state, params):
W_xz, W_hz, b_z, W_xr, W_hr, b_r, W_xh, W_hh, b_h, W_hq, b_q = params
H, = state
outputs = []
for X in inputs:
Z = torch.sigmoid((X @ W_xz) + (H @ W_hz) + b_z)
# @就是矩阵乘法matmul()
R = torch.sigmoid((X @ W_xr) + (H @ W_hr) + b_r)
H_tilda = torch.tanh((X @ W_xh) + ((R * H) @ W_hh) + b_h)
H = Z * H + (1 - Z) * H_tilda
Y = H @ W_hq + b_q
outputs.append(Y)
return torch.cat(outputs, dim=0), (H,)
vocab_size, num_hiddens, device = len(vocab), 256, d2l.try_gpu()
num_epochs, lr = 500, 1
model = d2l.RNNModelScratch(len(vocab), num_hiddens, device, get_params,
init_gru_state, gru)
#把RNN的模型转换为了GRU
d2l.train_ch8(model, train_iter, vocab, lr, num_epochs, device)
