文章轉載自凌逆戰的博客園—通過代碼學習RNN,徹底弄懂time_step - 凌逆戰 - 博客園
這篇博客不是一篇講解原理的博客,這篇博客主要講解tnesorlfow的RNN代碼結構,通過代碼來學習RNN,以及講解time_steps,如果這篇博客沒有讓你明白time_steps,歡迎博客下面評論交流。
我曾翻閱各大網站,各大博客,他們的對RNN中time_steps的講解,都沒有一個讓人醍醐灌頂的答案,甚至讓人越看模糊。有的博主在博客中講的看似他懂了,一問他自己他答不上來。在這裏,我向全中國還迷糊在time_step的學者答疑,立此博文。
RNNCell
想要看懂tensorflow RNN代碼,我們必須要先了解RNNCell,RNNcell 是 tensorlfow中實現RNN的基本單元。我們平時在代碼中用的是RNNcell的子類,BasicRNNCell(RNN的基礎類)和BasicLSTMCell(LSTM的基礎類)。爲了方便,我用cell對這兩個類進行統稱。
使用方式是:(output, next_state) = call(input, state)
理解例子:輸入序列是:,RNN的初始狀態爲
t=1時刻,
t=2時刻,
t=3時刻,
每調用一次RNNCell的call方法,就相當於在時間上推進了一步。
RNNCell中還有兩個輸出比較重要,state_size(隱層的大小),output_size(輸出的大小)。
設輸入數據的形狀爲(batch_size, input_size),那麼計算時得到的隱層狀態就是(batch_size, state_size),輸出就是(batch_size, output_size)。
import tensorflow as tf
cell = tf.nn.rnn_cell.BasicRNNCell(num_units=128) # state_size = 128
# cell = tf.keras.layers.SimpleRNNCell(units=128)
print(cell.state_size) # 128
# 32 是 batch_size
inputs = tf.placeholder(tf.float32, shape=(32, 100))
# 通過zero_state得到一個全0的初始狀態,形狀爲(batch_size, state_size)
h0 = cell.zero_state(32, tf.float32) # (32, 128)
# 調用call函數
output, h1 = cell.__call__(inputs, h0)
print(h1.shape) # (32, 128)
對於BasicLSTMCell,因爲LSTM可以看做有兩個隱狀態h和c,對應的隱層就是一個Tuple,每個都是(batch_size, state_size)的形狀:
import tensorflow as tf
lstm_cell = tf.nn.rnn_cell.BasicLSTMCell(num_units=128)
inputs = tf.placeholder(tf.float32, shape=(32, 100)) # 32 是 batch_size
h0 = lstm_cell.zero_state(32, tf.float32) # (32,128)
output, h1 = lstm_cell.__call__(inputs, h0)
print(h1.h.shape) # shape=(32, 128)
print(h1.c.shape) # shape=(32, 128)
tf.nn.static_rnn
tf.nn.static_rnn——隨時間靜態展開。static_rnn() 返回兩個對象,第一個是每一時刻time_steps RNN輸出的列表,另一個是RNN網絡的最終狀態state。下面代碼舉例time_steps=2的輸入。
X0 = tf.placeholder(tf.float32, [None, n_inputs])
X1 = tf.placeholder(tf.float32, [None, n_inputs])
basic_cell = tf.contrib.rnn.BasicRNNCell(num_units=n_neurons)
output_seqs, states = tf.contrib.rnn.static_rnn(basic_cell, [X0, X1], dtype=tf.float32)
Y0, Y1 = output_seqs
如果有50個tiime_steps時刻,操作50個輸入佔位符實在太繁瑣了,假如輸入shape=(None, time_steps, imput_size),可以用如下方法一併輸入
X = tf.placeholder(tf.float32, [None, n_steps, n_inputs])
X = tf.transpose(X, perm=[1, 0, 2]) # shape=(n_steps, batchs ,n_inputs)
X_seqs = tf.unstack(X) # time_steps個(batchs, n_inputs)的列表
basic_cell = tf.contrib.rnn.BasicRNNCell(num_units=n_neurons)
output_seqs, states = tf.contrib.rnn.static_rnn(basic_cell, X_seqs, dtype=tf.float32)
outputs = tf.transpose(tf.stack(output_seqs), perm=[1, 0, 2])
最終的outputs是一個包含所有實例、任一時刻、所有神經元的輸出的張量。幸運的是,還有更好的解決方案,那就是dynamic_rnn()函數。
tf.nn.dynamic_rnn
tf.nn.dynamic_rnn——隨時間動態展開。基礎的RNNCell有一個很明顯的問題:對於單個的RNNCell,我們使用它的call函數進行運算時,只是在序列時間上前進了一步。如果我們的序列長度爲10,就要調用10次call函數,比較麻煩。對此,TensorFlow提供了一個tf.nn.dynamic_rnn函數,該函數就相當於調用了n(輸入數據的格式爲(batch_size, time_steps, input_size),其中time_steps表示序列本身的長度,如在Char RNN中,長度爲10的句子對應的time_steps就等於10。最後的input_size就表示輸入數據單個序列單個時間維度上固有的長度。另外我們已經定義好了一個RNNCell,調用該RNNCell的call函數time_steps次,對應的代碼就是:)次call函數。即通過直接得。
舉個例子:假設輸入數據的格式爲(batch_size, time_steps, input_size),其中time_steps表示序列本身的長度,如在NLP中,一句話有25個字,每個字的向量維度爲300,那麼time_steps就是句子的長度=25,input_size=300。另外我們已經定義好了一個RNNCell,調用該RNNCell的call函數time_steps次,對應的代碼就是:
outputs, state = tf.nn.dynamic_rnn(cell, inputs, initial_state=initial_state)
參數:
- inputs: 輸入序列 shape = (batch_size, time_steps, input_size)
- cell: RNNCell
- initial_state: 初始狀態。一般可以取零矩陣shape = (batch_size, cell.state_size)。
返回:
- outputs:time_steps步裏所有輸出,shape=(batch_size, time_steps, cell.output_size)
- state:最後一步的隱狀態,它的形狀爲(batch_size, cell.state_size)
X = tf.placeholder(tf.float32, [None, n_steps, n_inputs]) # (batch_size, time_steps,input_size)
basic_cell = tf.contrib.rnn.BasicRNNCell(num_units=n_neurons)
outputs, states = tf.nn.dynamic_rnn(basic_cell, X, dtype=tf.float32)
變長輸入序列
前面我們處理的輸入shape=(batch_size, time_step, input_size),輸入序列是定長的,拿我們做自然一樣處理爲例子,如果數據有1000段時序的句子,每句話有25個字,對每個字進行向量化,每個字的向量維度爲300,那麼batch_size=1000,time_steps=25,input_size=300。但是每句話的句子長度都是不一樣的,這時候我們就需要在調用dynamic_rnn()(或者static_rnn)時使用sequence_length參數。指明瞭每一實例輸入序列的長度。例如:
X = tf.placeholder(tf.float32, [None, n_steps, n_inputs]) # (batch_size, time_steps,input_size)
seq_length = tf.placeholder(tf.int32, [None])
basic_cell = tf.contrib.rnn.BasicRNNCell(num_units=n_neurons)
outputs, states = tf.nn.dynamic_rnn(basic_cell, X, sequence_length=seq_length, dtype=tf.float32)
假設我們輸入的第二個實例只有一個時刻的輸入,表示該實例張量的第二維需要補零,如下所示:
X_batch = np.array([
# step 0 step 1
[[0, 1, 2], [9, 8, 7]], # instance 0
[[3, 4, 5], [0, 0, 0]], # instance 1 (padded with a zero vector)
[[6, 7, 8], [6, 5, 4]], # instance 2
[[9, 0, 1], [3, 2, 1]], # instance 3
])
seq_length_batch = np.array([2, 1, 2, 2])
with tf.Session() as sess:
init.run()
outputs_val, states_val = sess.run([outputs, states], feed_dict={X: X_batch, seq_length: seq_length_batch})
tf.nn.rnn_cell.MultiRNNCell
單層RNN能力有限,我們需要多層的RNN。將x輸入第一層RNN的後得到隱層狀態h,這個隱層狀態就相當於第二層RNN的輸入,第二層RNN的隱層狀態又相當於第三層RNN的輸入,以此類推。在TensorFlow中,可以使用tf.nn.rnn_cell.MultiRNNCell函數對RNNCell進行堆疊
import tensorflow as tf
# 每調用一次這個函數就返回一個BasicRNNCell
def get_a_cell():
return tf.nn.rnn_cell.BasicRNNCell(num_units=128)
# 用tf.nn.rnn_cell MultiRNNCell創建3層RNN
cell = tf.nn.rnn_cell.MultiRNNCell([get_a_cell() for _ in range(3)]) # 3層RNN
# 得到的cell實際也是RNNCell的子類
# 它的state_size是(128, 128, 128)
# (128, 128, 128)並不是128x128x128的意思
# 而是表示共有3個隱層狀態,每個隱層狀態的大小爲128
print(cell.state_size) # (128, 128, 128)
# 使用對應的call函數
inputs = tf.placeholder(tf.float32, shape=(32, 100)) # 32 是 batch_size
h0 = cell.zero_state(32, tf.float32) # 通過zero_state得到一個全0的初始狀態
output, h1 = cell.__call__(inputs, h0)
print(h1) # tuple中含有3個32x128的向量
# (<tf.Tensor 'multi_rnn_cell/cell_0/basic_rnn_cell/Tanh:0' shape=(32, 128) dtype=float32>,
# <tf.Tensor 'multi_rnn_cell/cell_1/basic_rnn_cell/Tanh:0' shape=(32, 128) dtype=float32>,
# <tf.Tensor 'multi_rnn_cell/cell_2/basic_rnn_cell/Tanh:0' shape=(32, 128) dtype=float32>)
RNN的其他變種
### ------------ LSTM ------------- ###
lstm_cell = tf.contrib.rnn.BasicLSTMCell(num_units=n_neurons)
# peephole connections
# 讓長期記憶也參與控制門的管理可能會更好
lstm_cell = tf.contrib.rnn.LSTMCell(num_units=n_neurons, use_peepholes=True)
### ------------ GRU ------------- ###
gru_cell = tf.contrib.rnn.GRUCell(num_units=n_neurons)
time_steps專欄
有的人學習到RNN的時候,死活都弄不清batch、input_size、time_steps。在這篇博文中,我做一個專欄。
文字數據
如果數據有1000段時序的句子,每句話有25個字,對每個字進行向量化,每個字的向量維度爲300,那麼batch_size=1000,time_steps=25,input_size=300。
解析:time_steps一般情況下就是等於句子的長度,input_size等於字量化後向量的長度。
圖片數據
拿MNIST手寫數字集來說,訓練數據有6000個手寫數字圖像,每個數字圖像大小爲28*28,batch_size=6000沒的說,time_steps=28,input_size=28,我們可以理解爲把圖片圖片分成28份,每份shape=(1, 28)。
音頻數據
如果是單通道音頻數據,那麼音頻數據是一維的,假如shape=(8910,)。使用RNN的數據必須是二維的,這樣加上batch_size,數據就是三維的,第一維是batch_size,第二維是time_steps,第三位是數據input_size。我們可以把數據reshape成三維數據。這樣就能使用RNN了。