使用成熟的Tensorflow、PyTorch框架去實現(xiàn)遞歸神經(jīng)網(wǎng)絡(luò)（RNN），已經(jīng)極大降低了技術(shù)的使用門檻。

但是，對于初學(xué)者，這還是遠(yuǎn)遠(yuǎn)不夠的。知其然，更需知其所以然。

[[347983]]

要避免低級錯誤，打好理論基礎(chǔ)，然后使用RNN去解決更多實際的問題的話。

那么，有一個有趣的問題可以思考一下：

不使用Tensorflow等框架，只有Numpy的話，你該如何構(gòu)建RNN？

沒有頭緒也不用擔(dān)心。這里便有一項教程：使用Numpy從頭構(gòu)建用于NLP領(lǐng)域的RNN。

可以帶你行進(jìn)一遍RNN的構(gòu)建流程。

初始化參數(shù)

與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)不同，RNN具有3個權(quán)重參數(shù)，即：

輸入權(quán)重（input weights），內(nèi)部狀態(tài)權(quán)重（internal state weights）和輸出權(quán)重（output weights）

首先用隨機數(shù)值初始化上述三個參數(shù)。

之后，將詞嵌入維度（word_embedding dimension）和輸出維度（output dimension）分別初始化為100和80。

輸出維度是詞匯表中存在的唯一詞向量的總數(shù)。 

hidden_dim = 100         
output_dim = 80 # this is the total unique words in the vocabulary  
input_weights = np.random.uniform(0, 1, (hidden_dim,hidden_dim))  
internal_state_weights = np.random.uniform(0,1, (hidden_dim, hidden_dim))  
output_weights = np.random.uniform(0,1, (output_dim,hidden_dim)) 

變量prev_memory指的是internal_state（這些是先前序列的內(nèi)存）。

其他參數(shù)也給予了初始化數(shù)值。

input_weight梯度，internal_state_weight梯度和output_weight梯度分別命名為dU，dW和dV。

變量bptt_truncate表示網(wǎng)絡(luò)在反向傳播時必須回溯的時間戳數(shù)，這樣做是為了克服梯度消失的問題。 

prev_memory =  np.zeros((hidden_dim,1))  
learning_rate = 0.0001      
nepoch = 25                 
T = 4   # length of sequence  
bptt_truncate = 2   
dU = np.zeros(input_weights.shape)  
dV = np.zeros(output_weights.shape)  
dW = np.zeros(internal_state_weights.shape) 

前向傳播

輸出和輸入向量

例如有一句話為：I like to play.，則假設(shè)在詞匯表中：

I被映射到索引2，like對應(yīng)索引45，to對應(yīng)索引10、**對應(yīng)索引64而標(biāo)點符號.** 對應(yīng)索引1。

為了展示從輸入到輸出的情況，我們先隨機初始化每個單詞的詞嵌入。 

input_string = [2,45,10,65]  
embeddings = [] # this is the sentence embedding list that contains the embeddings for each word  
for i in range(0,T):  
    x = np.random.randn(hidden_dim,1)  
    embeddings.append(x) 

輸入已經(jīng)完成，接下來需要考慮輸出。

在本項目中，RNN單元接受輸入后，輸出的是下一個最可能出現(xiàn)的單詞。

用于訓(xùn)練RNN，在給定第t+1個詞作為輸出的時候?qū)⒌趖個詞作為輸入，例如：在RNN單元輸出字為“like”的時候給定的輸入字為“I”.

現(xiàn)在輸入是嵌入向量的形式，而計算損失函數(shù)（Loss）所需的輸出格式是獨熱編碼（One-Hot）矢量。

這是對輸入字符串中除第一個單詞以外的每個單詞進(jìn)行的操作，因為該神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)只學(xué)習(xí)的是一個示例句子，而初始輸入是該句子的第一個單詞。

RNN的黑箱計算

現(xiàn)在有了權(quán)重參數(shù)，也知道輸入和輸出，于是可以開始前向傳播的計算。

訓(xùn)練神經(jīng)網(wǎng)絡(luò)需要以下計算：

其中：

U代表輸入權(quán)重、W代表內(nèi)部狀態(tài)權(quán)重，V代表輸出權(quán)重。

輸入權(quán)重乘以input(x)，內(nèi)部狀態(tài)權(quán)重乘以前一層的激活（prev_memory）。

層與層之間使用的激活函數(shù)用的是tanh。 

def tanh_activation(Z):  
     return (np.exp(Z)-np.exp(-Z))/(np.exp(Z)-np.exp(-Z)) # this is the tanh function can also be written as np.tanh(Z)  
def softmax_activation(Z):  
        e_x = np.exp(Z - np.max(Z))  # this is the code for softmax function   
        return e_x / e_x.sum(axis=0)   

def Rnn_forward(input_embedding, input_weights, internal_state_weights, prev_memory,output_weights):  
    forward_params = []  
    W_frd = np.dot(internal_state_weights,prev_memory)  
    U_frd = np.dot(input_weights,input_embedding)  
    sum_s = W_frd + U_frd  
    ht_activated = tanh_activation(sum_s) 
    yt_unactivated = np.asarray(np.dot(output_weights,  tanh_activation(sum_s)))  
    yt_activated = softmax_activation(yt_unactivated)  
    forward_params.append([W_frd,U_frd,sum_s,yt_unactivated])  
    return ht_activated,yt_activated,forward_params 

計算損失函數(shù)

之后損失函數(shù)使用的是交叉熵?fù)p失函數(shù)，由下式給出：

def calculate_loss(output_mapper,predicted_output):  
    total_loss = 0  
    layer_loss = []  
    for y,y_ in zip(output_mapper.values(),predicted_output): # this for loop calculation is for the first equation, where loss for each time-stamp is calculated 
         loss = -sum(y[i]*np.log2(y_[i]) for i in range(len(y)))  
        lossloss = loss/ float(len(y)) 
         layer_loss.append(loss)   
    for i in range(len(layer_loss)): #this the total loss calculated for all the time-stamps considered together.   
        total_losstotal_loss  = total_loss + layer_loss[i]  
    return total_loss/float(len(predicted_output)) 

最重要的是，我們需要在上面的代碼中看到第5行。

正如所知，ground_truth output(y)的形式是[0，0，….，1，…0]和predicted_output(y^hat)是[0.34，0.03，……，0.45]的形式，我們需要損失是單個值來從它推斷總損失。

為此，使用sum函數(shù)來獲得特定時間戳下y和y^hat向量中每個值的誤差之和。

total_loss是整個模型（包括所有時間戳）的損失。

反向傳播

反向傳播的鏈?zhǔn)椒▌t：

如上圖所示：

Cost代表誤差，它表示的是y^hat到y(tǒng)的差值。

由于Cost是的函數(shù)輸出，因此激活a所反映的變化由dCost/da表示。

實際上，這意味著從激活節(jié)點的角度來看這個變化（誤差）值。

類似地，a相對于z的變化表示為da/dz，z相對于w的變化表示為dw/dz。

最終，我們關(guān)心的是權(quán)重的變化（誤差）有多大。

而由于權(quán)重與Cost之間沒有直接關(guān)系，因此期間各個相對的變化值可以直接相乘（如上式所示）。

RNN的反向傳播

由于RNN中存在三個權(quán)重，因此我們需要三個梯度。input_weights(dLoss / dU)，internal_state_weights(dLoss / dW)和output_weights(dLoss / dV)的梯度。

這三個梯度的鏈可以表示如下：

所述dLoss/dy_unactivated代碼如下： 

def delta_cross_entropy(predicted_output,original_t_output):  
    li = []  
    grad = predicted_output  
    for i,l in enumerate(original_t_output): #check if the value in the index is 1 or not, if yes then take the same index value from the predicted_ouput list and subtract 1 from it.  
        if l == 1:  
    #grad = np.asarray(np.concatenate( grad, axis=0 ))  
            grad[i] -= 1 
     return grad 

計算兩個梯度函數(shù)，一個是multiplication_backward，另一個是additional_backward。

在multiplication_backward的情況下，返回2個參數(shù)，一個是相對于權(quán)重的梯度（dLoss / dV），另一個是鏈梯度（chain gradient），該鏈梯度將成為計算另一個權(quán)重梯度的鏈的一部分。

在addition_backward的情況下，在計算導(dǎo)數(shù)時，加法函數(shù)（ht_unactivated）中各個組件的導(dǎo)數(shù)為1。例如：dh_unactivated / dU_frd=1（h_unactivated = U_frd + W_frd），且dU_frd / dU_frd的導(dǎo)數(shù)為1。

所以，計算梯度只需要這兩個函數(shù)。multiplication_backward函數(shù)用于包含向量點積的方程，addition_backward用于包含兩個向量相加的方程。

def multiplication_backward(weights,x,dz):  
    gradient_weight = np.array(np.dot(np.asmatrix(dz),np.transpose(np.asmatrix(x))))  
    chain_gradient = np.dot(np.transpose(weights),dz)  
    return gradient_weight,chain_gradient  
def add_backward(x1,x2,dz):    # this function is for calculating the derivative of ht_unactivated function  
    dx1 = dz * np.ones_like(x1)  
    dx2 = dz * np.ones_like(x2)  
    return dx1,dx2  
def tanh_activation_backward(x,top_diff):  
    output = np.tanh(x)  
    return (1.0 - np.square(output)) * top_diff 

至此，已經(jīng)分析并理解了RNN的反向傳播，目前它是在單個時間戳上實現(xiàn)它的功能，之后可以將其用于計算所有時間戳上的梯度。

如下面的代碼所示，forward_params_t是一個列表，其中包含特定時間步長的網(wǎng)絡(luò)的前向參數(shù)。

變量ds是至關(guān)重要的部分，因為此行代碼考慮了先前時間戳的隱藏狀態(tài)，這將有助于提取在反向傳播時所需的信息。 

def single_backprop(X,input_weights,internal_state_weights,output_weights,ht_activated,dLo,forward_params_t,diff_s,prev_s):# inlide all the param values for all the data thats there 
    W_frd = forward_params_t[0][0]   
    U_frd = forward_params_t[0][1]  
    ht_unactivated = forward_params_t[0][2]  
    yt_unactivated = forward_params_t[0][3]  
    dV,dsv = multiplication_backward(output_weights,ht_activated,dLo)  
    ds = np.add(dsv,diff_s) # used for truncation of memory   
    dadd = tanh_activation_backward(ht_unactivated, ds)  
    dmulw,dmulu = add_backward(U_frd,W_frd,dadd)  
    dW, dprev_s = multiplication_backward(internal_state_weights, prev_s ,dmulw)  
    dU, dx = multiplication_backward(input_weights, X, dmulu) #input weights  
    return (dprev_s, dU, dW, dV) 

對于RNN，由于存在梯度消失的問題，所以采用的是截斷的反向傳播，而不是使用原始的。

在此技術(shù)中，當(dāng)前單元將只查看k個時間戳，而不是只看一次時間戳，其中k表示要回溯的先前單元的數(shù)量。 

def rnn_backprop(embeddings,memory,output_t,dU,dV,dW,bptt_truncate,input_weights,output_weights,internal_state_weights):  
    T = 4  
    # we start the backprop from the first timestamp.   
    for t in range(4): 
         prev_s_t = np.zeros((hidden_dim,1)) #required as the first timestamp does not have a previous memory,  
 
        diff_s = np.zeros((hidden_dim,1)) # this is used for the truncating purpose of restoring a previous information from the before level  
        predictions = memory["yt" + str(t)]  
        ht_activated = memory["ht" + str(t)]  
        forward_params_t = memory["params"+ str(t)]   
        dLo = delta_cross_entropy(predictions,output_t[t]) #the loss derivative for that particular timestamp  
        dprev_s, dU_t, dW_t, dV_t = single_backprop(embeddings[t],input_weights,internal_state_weights,output_weights,ht_activated,dLo,forward_params_t,diff_s,prev_s_t) 
         prev_s_t = ht_activated  
        prev = t-1  
        dLo = np.zeros((output_dim,1)) #here the loss deriative is turned to 0 as we do not require it for the turncated information.  
        # the following code is for the trunated bptt and its for each time-stamp.  
         for i in range(t-1,max(-1,t-bptt_truncate),-1): 
             forward_params_t = memory["params" + str(i)]  
            ht_activated = memory["ht" + str(i)]  
            prev_s_i = np.zeros((hidden_dim,1)) if i == 0 else memory["ht" + str(prev)]  
            dprev_s, dU_i, dW_i, dV_i = single_backprop(embeddings[t] ,input_weights,internal_state_weights,output_weights,ht_activated,dLo,forward_params_t,dprev_s,prev_s_i) 
            dU_t += dU_i #adding the previous gradients on lookback to the current time sequence   
            dW_t += dW_i  
        dV += dV_t   
        dU += dU_t  
        dW += dW_t  
    return (dU, dW, dV) 

權(quán)重更新

一旦使用反向傳播計算了梯度，則更新權(quán)重勢在必行，而這些是通過批量梯度下降法 

def gd_step(learning_rate, dU,dW,dV, input_weights, internal_state_weights,output_weights ):  
    input_weights -= learning_rate* dU  
    internal_state_weights -= learning_rate * dW  
    output_weights -=learning_rate * dV  
    return input_weights,internal_state_weights,output_weights 

訓(xùn)練序列

完成了上述所有步驟，就可以開始訓(xùn)練神經(jīng)網(wǎng)絡(luò)了。

用于訓(xùn)練的學(xué)習(xí)率是靜態(tài)的，還可以使用逐步衰減等更改學(xué)習(xí)率的動態(tài)方法。 

def train(T, embeddings,output_t,output_mapper,input_weights,internal_state_weights,output_weights,dU,dW,dV,prev_memory,learning_rate=0.001, nepoch=100, evaluate_loss_after=2): 
     losses = []  
    for epoch in range(nepoch):  
        if(epoch % evaluate_loss_after == 0):  
                output_string,memory = full_forward_prop(T, embeddings ,input_weights,internal_state_weights,prev_memory,output_weights)  
                loss = calculate_loss(output_mapper, output_string)  
                losses.append(loss)  
                time = datetime.now().strftime('%Y-%m-%d %H:%M:%S')  
                print("%s: Loss after  epoch=%d: %f" % (time,epoch, loss))  
                sys.stdout.flush()  
        dU,dW,dV = rnn_backprop(embeddings,memory,output_t,dU,dV,dW,bptt_truncate,input_weights,output_weights,internal_state_weights)  
        input_weights,internal_state_weights,output_weights= sgd_step(learning_rate,dU,dW,dV,input_weights,internal_state_weights,output_weights)  
    return losses  

losses = train(T, embeddings,output_t,output_mapper,input_weights,internal_state_weights,output_weights,dU,dW,dV,prev_memory,learning_rate=0.0001, nepoch=10, evaluate_loss_after=2) 

恭喜你！你現(xiàn)在已經(jīng)實現(xiàn)從頭建立遞歸神經(jīng)網(wǎng)絡(luò)了！

那么，是時候了，繼續(xù)向LSTM和GRU等的高級架構(gòu)前進(jìn)吧。