4.8.双向循环神经网络
双向循环神经网络
在序列模型中，我们总是关注之前的信息，并以此来对下一个输出进行预测，但可能未来的信息也很重要，比如文本序列填空：
- 我
___。 - 我
___饿了。 - 我
___饿了，我可以吃半头猪。
我们可以分别填，happy,not, very。但很明显，very更为合适，因为下文传达了非常重要的信息（如果有的话)，所以无法利用这一点的序列模型将在相关任务上表现不佳。
例如，命名实体识别('Green’是绿色还是格林先生)，不同长度的上下文范围重要性是相同的。
1.双向模型
想让模型拥有一定程度的前瞻能力，只需要增加一个从最后一个词元开始从后向前运行的循环神经网络，而不是只有一个在前向模式下运行的循环神经网络。
双向循环神经网络(bidirectional RNNs)添加了反向传递信息的隐藏层，以便更灵活地处理此类信息。
1.1 定义
对于任意时间步 t t t，给定一个小批量的输入数据 X t ∈ R n × d X_t\in R^{n\times d} Xt∈Rn×d（样本数 n n n，每个示例中的输入数 d d d），并且令隐藏层激活函数为 ϕ \phi ϕ。在双向架构中，我们设该时间步的前向和反向隐状态分别为 H → t , H ← t ∈ R n × h \overrightarrow{H}_t,\overleftarrow{H}_t \in R^{n\times h} Ht,Ht∈Rn×h，其中 h h h是隐藏单元的数目。前向和反向隐状态的更新如下：
H → t = ϕ ( X t W x h ( f ) + H → t − 1 W h h f + b h ( f ) ) H ← t = ϕ ( X t W x h ( b ) + H ← t + 1 W h h ( b ) + b h ( b ) ) \overrightarrow{H}_t = \phi(X_t W_{xh}^{(f)}+\overrightarrow{H}_{t-1}W^{f}_{hh}+b_h^{(f)})\\ \overleftarrow{H}_t = \phi(X_t W_{xh}^{(b)}+\overleftarrow{H}_{t+1}W_{hh}^{(b)}+b_h^{(b)}) Ht=ϕ(XtWxh(f)+Ht−1Whhf+bh(f))Ht=ϕ(XtWxh(b)+Ht+1Whh(b)+bh(b))
其中权重 W x h ( f ) , W x h ( b ) ∈ R d × h ， W h h ( f ) , W h h ( b ) ∈ R h × h W_{xh}^{(f)},W_{xh}^{(b)}\in R^{d\times h}，W_{hh}^{(f)},W_{hh}^{(b)}\in R^{h\times h} Wxh(f),Wxh(b)∈Rd×h，Whh(f),Whh(b)∈Rh×h,偏置 b h ( f ) , b h ( b ) ∈ R 1 × h b_h^{(f)},b_h^{(b)}\in R ^{1\times h} bh(f),bh(b)∈R1×h都是模型参数。
随后，将前向隐状态 H → t \overrightarrow{H}_t Ht和反向隐状态 H ← t \overleftarrow{H}_t Ht连接起来，获得需要送入输出层的隐状态 H t ∈ R n × 2 h H_t\in R^{n\times 2h} Ht∈Rn×2h， 在具有多个隐藏层的深度双向循环神经网络中， 该信息作为输入传递到下一个双向层。 最后，输出层计算得到的输出为 O t ∈ R n × q O_t\in R^{n\times q} Ot∈Rn×q(q是输出单元的数目)：
O t = H t W h q + b q O_t = H_t W_{hq}+b_q Ot=HtWhq+bq
这里，权重矩阵 W h q ∈ R 2 h × q W_{hq}\in R^{2h\times q} Whq∈R2h×q和偏置 b q ∈ R 1 × q b_q\in R^{1\times q} bq∈R1×q是输出层的模型参数。这两个方向可以有不同数量的隐藏单元。
2.代码实现(错误应用)
双向循环神经网络使用了过去和未来的数据，所以不能盲目地将这一语言模型应用于任何预测任务。尽管模型产出的困惑度是合理的，该模型预测未来词元的能力却可能存在严重缺陷。
下面的代码用来展示如何使用双向LSTM模型，引以为戒。
import torch
from torch import nn
from d2l import torch as d2l# 加载数据
batch_size, num_steps, device = 32, 35, d2l.try_gpu()
train_iter, vocab = d2l.load_data_time_machine(batch_size, num_steps)
# 通过设置“bidirective=True”来定义双向LSTM模型
vocab_size, num_hiddens, num_layers = len(vocab), 256, 2
num_inputs = vocab_size
lstm_layer = nn.LSTM(num_inputs, num_hiddens, num_layers, bidirectional=True)
model = d2l.RNNModel(lstm_layer, len(vocab))
model = model.to(device)
# 训练模型
num_epochs, lr = 500, 1
d2l.train_ch8(model, train_iter, vocab, lr, num_epochs, device)'''
perplexity 1.1, 131129.2 tokens/sec on cuda:0
time travellerererererererererererererererererererererererererer
travellerererererererererererererererererererererererererer
'''