Pytorch對(duì)RNN輸入和輸出的形狀總結(jié)

個(gè)人對(duì)于RNN的一些總結(jié)。

RNN的輸入和輸出

RNN的經(jīng)典圖如下所示

各個(gè)參數(shù)的含義

• Xt: t時(shí)刻的輸入，形狀為[batch_size, input_dim]。對(duì)于整個(gè)RNN來說，總的X輸入為[seq_len, batch_size, input_dim]，具體如何理解batch_size和seq_len在下面有說明。
• St: t時(shí)刻隱藏層的狀態(tài)，也有時(shí)用ht表示，形狀為[batch_size, hidden_size]，St=f(U·Xt+W·St-1)，通過W和U矩陣的映射，將embedding后的Xt和上一狀態(tài)St-1轉(zhuǎn)為St
• Ot: t時(shí)刻的輸出，Ot=g(V·St)，形狀為[batch_size, hidden_size]，總的為輸出O為[seq_len, batch_size, hidden_size]

Pytorch中的使用

Pytorch中RNN函數(shù)如下

RNN的主要參數(shù)如下

nn.RNN(input_size, hidden_size, num_layers=1, bias=True)

參數(shù)解釋

• input_size: 輸入特征的維度，一般rnn中輸入的是詞向量，那么就為embedding-dim
• hidden_size: 隱藏層神經(jīng)元的個(gè)數(shù)，或者也叫輸出的維度
• num_layers: 隱藏層的個(gè)數(shù)，默認(rèn)為1

output=輸出O, 隱藏狀態(tài)St，其中輸出O=[time_step, batch_size, hidden_size]，St為t時(shí)刻的隱藏層狀態(tài)

理解RNN中的batch_size和seq_len

深度學(xué)習(xí)中采用mini-batch的方法進(jìn)行迭代優(yōu)化，在CNN中batch的思想較容易理解，一次輸入batch個(gè)圖片，進(jìn)行迭代。但是RNN中引入了seq_len(time_step), 理解較為困難，下面是我自己的一些理解。

首先假如我有五句話，作為訓(xùn)練的語料。

sentences = ["i like dog", "i love coffee", "i hate milk", "i like music", "i hate you"]

那么在輸入RNN之前要先進(jìn)行embedding，比如one-hot encoding，容易得到這里的embedding-dim為9.

那么輸入的sentences可以表示為如下方式

那么在RNN的訓(xùn)練中。

• t=0時(shí), 輸入第一個(gè)batch[i, i, i, i, i]這里用字符表示，其實(shí)應(yīng)該是對(duì)應(yīng)的one-hot編碼。
• t=1時(shí)，輸入第二個(gè)batch[like, love, hate, like, hate]
• t=2時(shí)，輸入第三個(gè)batch[dog, coffee, milk, music, you]

那么對(duì)應(yīng)的時(shí)間t來說，RNN需要對(duì)先后輸入的batch_size個(gè)字符進(jìn)行前向計(jì)算迭代，得到輸出。

Pytorch雙向RNN隱藏層和輸出層結(jié)果拆分

1 RNN隱藏層和輸出層結(jié)果的形狀

從Pytorch官方文檔可以得到，對(duì)于批量化輸入的RNN來講，其隱藏層的shape為(num_directions*num_layers, batch_size, hidden_size)。

其輸出的shape為(seq_len, batch_size, D*hidden_size)。

2 雙向RNN情況下，隱藏層和輸出層結(jié)果拆分

當(dāng)采用雙向RNN時(shí)，其輸出的結(jié)果包含正向和反向兩個(gè)方向輸出的結(jié)果。

2.1 輸出層結(jié)果拆分

其中對(duì)于輸出output來講，從官方文檔我們可以得到，其拆分正向和反向兩個(gè)方向結(jié)果的方法為：

output.shape = (seq_len, batch_size, num_directions*hidden_size)

output.view(seq_len, batch, num_directions, hidden_size)

其中，對(duì)于（num_directions）方向維度，正向和反向的維度值分別為??0???和??1?。

2.2 隱藏層結(jié)果拆分

而對(duì)于隱藏層，包括初始值h_0以及最終輸出h_n，也都包含兩個(gè)方向的隱藏狀態(tài)，但是其拆分方式跟輸出層不一樣。

方法如下：

h_0, h_n.shape = (num_directions*num_layers, batch_size, hidden_size)

h_0, h_n.view(num_layers, num_directions, batch_size, hidden_size)

可以從簡(jiǎn)單單層雙向RNN的輸出結(jié)果來驗(yàn)證，此時(shí)RNN的輸出結(jié)果與最后一層的隱藏層結(jié)果是一樣的。

import torch
import torch.nn as nn
if __name__ == "__main__":
    # input_size: 3, hidden_size: 5, num_layers: 3
    BiRNN_Net = nn.RNN(3, 5, 3, bidirectional=True, batch_first=True)
    device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
    # batch_size: 1, seq_len: 1, input_size: 3
    inputs = torch.zeros(1, 1, 3, device=device)
    # state: (num_directions*num_layers, batch_size, hidden_size)
    state = torch.randn(6, 1, 5, device=device)
    BiRNN_Net.to(device)
    output, hidden = BiRNN_Net(inputs, state)
    output_re = output.reshape((1, 1, 2, 5))
    hidden_re = hidden.reshape((3, 2, 1, 5))
    print(output)
    print(output_re)
    print(hidden)
    print(hidden_re)

輸出結(jié)果可以看出，隱藏層的結(jié)果是優(yōu)先num_layers網(wǎng)絡(luò)層數(shù)這一個(gè)維度來構(gòu)成的。

tensor([[[ 0.3939, -0.9160, ?0.5054, ?0.2949, -0.5225, ?0.0533, ?0.4197,
? ? ? ? ? -0.7200, -0.1262, -0.7975]]], device='cuda:0',
? ? ? ?grad_fn=<CudnnRnnBackward0>)
tensor([[[[ 0.3939, -0.9160, ?0.5054, ?0.2949, -0.5225],
? ? ? ? ? [ 0.0533, ?0.4197, -0.7200, -0.1262, -0.7975]]]], device='cuda:0',
? ? ? ?grad_fn=<ReshapeAliasBackward0>)
tensor([[[-0.2606, ?0.5410, -0.2663, ?0.6418, -0.2902]],
? ? ? ? [[ 0.1367, ?0.7222, -0.3051, -0.6410, -0.3062]],
? ? ? ? [[ 0.2433, ?0.3287, -0.4809, -0.1782, -0.5582]],
? ? ? ? [[ 0.4824, -0.8529, ?0.7604, ?0.8508, -0.1902]],
? ? ? ? [[ 0.3939, -0.9160, ?0.5054, ?0.2949, -0.5225]],
? ? ? ? [[ 0.0533, ?0.4197, -0.7200, -0.1262, -0.7975]]], device='cuda:0',
? ? ? ?grad_fn=<CudnnRnnBackward0>)
tensor([[[[-0.2606, ?0.5410, -0.2663, ?0.6418, -0.2902]],
? ? ? ? ?[[ 0.1367, ?0.7222, -0.3051, -0.6410, -0.3062]]],
? ? ? ? [[[ 0.2433, ?0.3287, -0.4809, -0.1782, -0.5582]],
? ? ? ? ?[[ 0.4824, -0.8529, ?0.7604, ?0.8508, -0.1902]]],
? ? ? ? [[[ 0.3939, -0.9160, ?0.5054, ?0.2949, -0.5225]],
? ? ? ? ?[[ 0.0533, ?0.4197, -0.7200, -0.1262, -0.7975]]]], device='cuda:0',
? ? ? ?grad_fn=<ReshapeAliasBackward0>)

總結(jié)

以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

最新評(píng)論