RNN:

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ycy6d8iB-1584285348969)(https://cdn.kesci.com/upload/image/q5jjvcykud.png?imageView2/0/w/320/h/320)]

                                         H                          t                                 =                         ϕ                         (                                  X                          t                                          W                                     x                               h                                           +                                  H                                     t                               −                               1                                                    W                                     h                               h                                           +                                  b                          h                                 )                             H_{t} = ϕ(X_{t}W_{xh} + H_{t-1}W_{hh} + b_{h})                 Ht=ϕ(XtWxh+Ht−1Whh+bh)

GRU:

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-r6S2i6jZ-1584285348971)(https://cdn.kesci.com/upload/image/q5jk0q9suq.png?imageView2/0/w/640/h/640)]

                                         R                          t                                 =                         σ                         (                                  X                          t                                          W                                     x                               r                                           +                                  H                                     t                               −                               1                                                    W                                     h                               r                                           +                                  b                          r                                 )                             R_{t} = σ(X_tW_{xr} + H_{t−1}W_{hr} + b_r)                 Rt=σ(XtWxr+Ht−1Whr+br)
                                         Z                          t                                 =                         σ                         (                                  X                          t                                          W                                     x                               z                                           +                                  H                                     t                               −                               1                                                    W                                     h                               z                                           +                                  b                          z                                 )                             Z_{t} = σ(X_tW_{xz} + H_{t−1}W_{hz} + b_z)                 Zt=σ(XtWxz+Ht−1Whz+bz)
                                                    H                               ~                                    t                                 =                         t                         a                         n                         h                         (                                  X                          t                                          W                                     x                               h                                           +                         (                                  R                          t                                 ⊙                                  H                                     t                               −                               1                                           )                                  W                                     h                               h                                           +                                  b                          h                                 )                             \widetilde{H}_t = tanh(X_tW_{xh} + (R_t ⊙H_{t−1})W_{hh} + b_h)                 H            t=tanh(XtWxh+(RtHt−1)Whh+bh)
                                         H                          t                                 =                                  Z                          t                                 ⊙                                  H                                     t                               −                               1                                           +                         (                         1                         −                                  Z                          t                                 )                         ⊙                                             H                               ~                                    t                                     H_t = Z_t⊙H_{t−1} + (1−Z_t)⊙\widetilde{H}_t                 Ht=ZtHt−1+(1−Zt)H            t
• 重置⻔有助于捕捉时间序列⾥短期的依赖关系;
• 更新⻔有助于捕捉时间序列⾥⻓期的依赖关系。

载入数据集

import os
os.listdir('/home/input')#数据集文件夹
import numpy as np
import torch
from torch import nn, optim
import torch.nn.functional as F
import sys
sys.path.append("../input/")
import d2l_jay4504 as d2l
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

(corpus_indices, char_to_idx, idx_to_char, vocab_size) = d2l.load_data_jay_lyrics()

初始化参数

num_inputs, num_hiddens, num_outputs = vocab_size, 256, vocab_size
print('will use', device)

def get_params():  
    def _one(shape):
        ts = torch.tensor(np.random.normal(0, 0.01, size=shape), device=device, dtype=torch.float32) #正态分布
        return torch.nn.Parameter(ts, requires_grad=True)
    def _three():
        return (_one((num_inputs, num_hiddens)),
                _one((num_hiddens, num_hiddens)),
                torch.nn.Parameter(torch.zeros(num_hiddens, device=device, dtype=torch.float32), requires_grad=True))
     
    W_xz, W_hz, b_z = _three()  # 更新门参数
    W_xr, W_hr, b_r = _three()  # 重置门参数
    W_xh, W_hh, b_h = _three()  # 候选隐藏状态参数
    
    # 输出层参数
    W_hq = _one((num_hiddens, num_outputs))
    b_q = torch.nn.Parameter(torch.zeros(num_outputs, device=device, dtype=torch.float32), requires_grad=True)
    return nn.ParameterList([W_xz, W_hz, b_z, W_xr, W_hr, b_r, W_xh, W_hh, b_h, W_hq, b_q])

def init_gru_state(batch_size, num_hiddens, device):   #隐藏状态初始化
    return (torch.zeros((batch_size, num_hiddens), device=device), )

GRU模型

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(torch.matmul(X, W_xz) + torch.matmul(H, W_hz) + b_z)
        R = torch.sigmoid(torch.matmul(X, W_xr) + torch.matmul(H, W_hr) + b_r)
        H_tilda = torch.tanh(torch.matmul(X, W_xh) + R * torch.matmul(H, W_hh) + b_h)
        H = Z * H + (1 - Z) * H_tilda
        Y = torch.matmul(H, W_hq) + b_q
        outputs.append(Y)
    return outputs, (H,)

训练模型

num_epochs, num_steps, batch_size, lr, clipping_theta = 160, 35, 32, 1e2, 1e-2
pred_period, pred_len, prefixes = 40, 50, ['分开', '不分开']
d2l.train_and_predict_rnn(gru, get_params, init_gru_state, num_hiddens,
                          vocab_size, device, corpus_indices, idx_to_char,
                          char_to_idx, False, num_epochs, num_steps, lr,
                          clipping_theta, batch_size, pred_period, pred_len,
                          prefixes)

输出:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-YiCbWe1Y-1584285348972)(https://imgkr.cn-bj.ufileos.com/2796f004-0af8-41ec-951d-38d45ca897e0.png)]

简洁实现

num_hiddens=256
num_epochs, num_steps, batch_size, lr, clipping_theta = 160, 35, 32, 1e2, 1e-2
pred_period, pred_len, prefixes = 40, 50, ['分开', '不分开']

lr = 1e-2 # 注意调整学习率
gru_layer = nn.GRU(input_size=vocab_size, hidden_size=num_hiddens)
model = d2l.RNNModel(gru_layer, vocab_size).to(device)
d2l.train_and_predict_rnn_pytorch(model, num_hiddens, vocab_size, device,
                                corpus_indices, idx_to_char, char_to_idx,
                                num_epochs, num_steps, lr, clipping_theta,
                                batch_size, pred_period, pred_len, prefixes)

输出:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-s7GZt0zB-1584285348975)(https://imgkr.cn-bj.ufileos.com/31d8288d-7d11-43af-a65b-3c46692cd4b4.png)]

LSTM

长短期记忆long short-term memory:
遗忘门:控制上一时间步的记忆细胞
输入门:控制当前时间步的输入
输出门:控制从记忆细胞到隐藏状态
记忆细胞:⼀种特殊的隐藏状态的信息的流动

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-V5S3OxqQ-1584285348976)(https://cdn.kesci.com/upload/image/q5jk2bnnej.png?imageView2/0/w/640/h/640)]

                                         I                          t                                 =                         σ                         (                                  X                          t                                          W                                     x                               i                                           +                                  H                                     t                               −                               1                                                    W                                     h                               i                                           +                                  b                          i                                 )                             I_t = σ(X_tW_{xi} + H_{t−1}W_{hi} + b_i)                 It=σ(XtWxi+Ht−1Whi+bi)
                                         F                          t                                 =                         σ                         (                                  X                          t                                          W                                     x                               f                                           +                                  H                                     t                               −                               1                                                    W                                     h                               f                                           +                                  b                          f                                 )                             F_t = σ(X_tW_{xf} + H_{t−1}W_{hf} + b_f)                 Ft=σ(XtWxf+Ht−1Whf+bf)
                                         O                          t                                 =                         σ                         (                                  X                          t                                          W                                     x                               o                                           +                                  H                                     t                               −                               1                                                    W                                     h                               o                                           +                                  b                          o                                 )                             O_t = σ(X_tW_{xo} + H_{t−1}W_{ho} + b_o)                 Ot=σ(XtWxo+Ht−1Who+bo)
                                                    C                               ~                                    t                                 =                         t                         a                         n                         h                         (                                  X                          t                                          W                                     x                               c                                           +                                  H                                     t                               −                               1                                                    W                                     h                               c                                           +                                  b                          c                                 )                             \widetilde{C}_t = tanh(X_tW_{xc} + H_{t−1}W_{hc} + b_c)                 C            t=tanh(XtWxc+Ht−1Whc+bc)
                                         C                          t                                 =                                  F                          t                                 ⊙                                  C                                     t                               −                               1                                           +                                  I                          t                                 ⊙                                             C                               ~                                    t                                     C_t = F_t ⊙C_{t−1} + I_t ⊙\widetilde{C}_t                 Ct=FtCt−1+ItC            t
                                         H                          t                                 =                                  O                          t                                 ⊙                         t                         a                         n                         h                         (                                  C                          t                                 )                             H_t = O_t⊙tanh(C_t)                 Ht=Ottanh(Ct)

初始化参数

num_inputs, num_hiddens, num_outputs = vocab_size, 256, vocab_size
print('will use', device)

def get_params():
    def _one(shape):
        ts = torch.tensor(np.random.normal(0, 0.01, size=shape), device=device, dtype=torch.float32)
        return torch.nn.Parameter(ts, requires_grad=True)
    def _three():
        return (_one((num_inputs, num_hiddens)),
                _one((num_hiddens, num_hiddens)),
                torch.nn.Parameter(torch.zeros(num_hiddens, device=device, dtype=torch.float32), requires_grad=True))
    
    W_xi, W_hi, b_i = _three()  # 输入门参数
    W_xf, W_hf, b_f = _three()  # 遗忘门参数
    W_xo, W_ho, b_o = _three()  # 输出门参数
    W_xc, W_hc, b_c = _three()  # 候选记忆细胞参数
    
    # 输出层参数
    W_hq = _one((num_hiddens, num_outputs))
    b_q = torch.nn.Parameter(torch.zeros(num_outputs, device=device, dtype=torch.float32), requires_grad=True)
    return nn.ParameterList([W_xi, W_hi, b_i, W_xf, W_hf, b_f, W_xo, W_ho, b_o, W_xc, W_hc, b_c, W_hq, b_q])

def init_lstm_state(batch_size, num_hiddens, device):
    return (torch.zeros((batch_size, num_hiddens), device=device), 
            torch.zeros((batch_size, num_hiddens), device=device))

LSTM模型

def lstm(inputs, state, params):
    [W_xi, W_hi, b_i, W_xf, W_hf, b_f, W_xo, W_ho, b_o, W_xc, W_hc, b_c, W_hq, b_q] = params
    (H, C) = state
    outputs = []
    for X in inputs:
        I = torch.sigmoid(torch.matmul(X, W_xi) + torch.matmul(H, W_hi) + b_i)
        F = torch.sigmoid(torch.matmul(X, W_xf) + torch.matmul(H, W_hf) + b_f)
        O = torch.sigmoid(torch.matmul(X, W_xo) + torch.matmul(H, W_ho) + b_o)
        C_tilda = torch.tanh(torch.matmul(X, W_xc) + torch.matmul(H, W_hc) + b_c)
        C = F * C + I * C_tilda
        H = O * C.tanh()
        Y = torch.matmul(H, W_hq) + b_q
        outputs.append(Y)
    return outputs, (H, C)

训练模型

num_epochs, num_steps, batch_size, lr, clipping_theta = 160, 35, 32, 1e2, 1e-2
pred_period, pred_len, prefixes = 40, 50, ['分开', '不分开']

d2l.train_and_predict_rnn(lstm, get_params, init_lstm_state, num_hiddens,
                          vocab_size, device, corpus_indices, idx_to_char,
                          char_to_idx, False, num_epochs, num_steps, lr,
                          clipping_theta, batch_size, pred_period, pred_len,
                          prefixes)

输出:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-u6yjmgTB-1584285348977)(https://imgkr.cn-bj.ufileos.com/2b6c7757-175f-4de4-96db-c34984cd6795.png)]

简洁实现

num_hiddens=256
num_epochs, num_steps, batch_size, lr, clipping_theta = 160, 35, 32, 1e2, 1e-2
pred_period, pred_len, prefixes = 40, 50, ['分开', '不分开']

lr = 1e-2 # 注意调整学习率
lstm_layer = nn.LSTM(input_size=vocab_size, hidden_size=num_hiddens)
model = d2l.RNNModel(lstm_layer, vocab_size)
d2l.train_and_predict_rnn_pytorch(model, num_hiddens, vocab_size, device,
                                corpus_indices, idx_to_char, char_to_idx,
                                num_epochs, num_steps, lr, clipping_theta,
                                batch_size, pred_period, pred_len, prefixes)

深度循环神经网络

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-lAOtlHvs-1584285348979)(https://cdn.kesci.com/upload/image/q5jk3z1hvz.png?imageView2/0/w/320/h/320)]

                                         H                          t                                     (                               1                               )                                           =                         ϕ                         (                                  X                          t                                          W                                     x                               h                                               (                               1                               )                                           +                                  H                                     t                               −                               1                                               (                               1                               )                                                    W                                     h                               h                                               (                               1                               )                                           +                                  b                          h                                     (                               1                               )                                           )                             \boldsymbol{H}_t^{(1)} = \phi(\boldsymbol{X}_t \boldsymbol{W}_{xh}^{(1)} + \boldsymbol{H}_{t-1}^{(1)} \boldsymbol{W}_{hh}^{(1)} + \boldsymbol{b}_h^{(1)})                 Ht(1)=ϕ(XtWxh(1)+Ht−1(1)Whh(1)+bh(1))
                                         H                          t                                     (                               ℓ                               )                                           =                         ϕ                         (                                  H                          t                                     (                               ℓ                               −                               1                               )                                                    W                                     x                               h                                               (                               ℓ                               )                                           +                                  H                                     t                               −                               1                                               (                               ℓ                               )                                                    W                                     h                               h                                               (                               ℓ                               )                                           +                                  b                          h                                     (                               ℓ                               )                                           )                             \boldsymbol{H}_t^{(\ell)} = \phi(\boldsymbol{H}_t^{(\ell-1)} \boldsymbol{W}_{xh}^{(\ell)} + \boldsymbol{H}_{t-1}^{(\ell)} \boldsymbol{W}_{hh}^{(\ell)} + \boldsymbol{b}_h^{(\ell)})                 Ht(ℓ)=ϕ(Ht(ℓ−1)Wxh(ℓ)+Ht−1(ℓ)Whh(ℓ)+bh(ℓ))
                                         O                          t                                 =                                  H                          t                                     (                               L                               )                                                    W                                     h                               q                                           +                                  b                          q                                     \boldsymbol{O}_t = \boldsymbol{H}_t^{(L)} \boldsymbol{W}_{hq} + \boldsymbol{b}_q                 Ot=Ht(L)Whq+bq

num_hiddens=256
num_epochs, num_steps, batch_size, lr, clipping_theta = 160, 35, 32, 1e2, 1e-2
pred_period, pred_len, prefixes = 40, 50, ['分开', '不分开']

lr = 1e-2 # 注意调整学习率

gru_layer = nn.LSTM(input_size=vocab_size, hidden_size=num_hiddens,num_layers=2)
model = d2l.RNNModel(gru_layer, vocab_size).to(device)
d2l.train_and_predict_rnn_pytorch(model, num_hiddens, vocab_size, device,
                                corpus_indices, idx_to_char, char_to_idx,
                                num_epochs, num_steps, lr, clipping_theta,
                                batch_size, pred_period, pred_len, prefixes)

输出:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-LPDnzNUI-1584285348981)(https://imgkr.cn-bj.ufileos.com/524263d2-c8b0-4ad6-8d3e-69e970187cbb.png)]

gru_layer = nn.LSTM(input_size=vocab_size, hidden_size=num_hiddens,num_layers=6)
model = d2l.RNNModel(gru_layer, vocab_size).to(device)
d2l.train_and_predict_rnn_pytorch(model, num_hiddens, vocab_size, device,
                                corpus_indices, idx_to_char, char_to_idx,
                                num_epochs, num_steps, lr, clipping_theta,
                                batch_size, pred_period, pred_len, prefixes)

输出:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-cdLIhYUy-1584285348982)(https://imgkr.cn-bj.ufileos.com/43fd13df-1c5b-4dc3-aeba-3d21c7844b8b.png)]

双向循环神经网络

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-o1iBelTn-1584285348984)(https://cdn.kesci.com/upload/image/q5j8hmgyrz.png?imageView2/0/w/320/h/320)]

                                                                                         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                                           )                                                               )                                                                     \begin{aligned} \overrightarrow{\boldsymbol{H}}_t &= \phi(\boldsymbol{X}_t \boldsymbol{W}_{xh}^{(f)} + \overrightarrow{\boldsymbol{H}}_{t-1} \boldsymbol{W}_{hh}^{(f)} + \boldsymbol{b}_h^{(f)})\\ \overleftarrow{\boldsymbol{H}}_t &= \phi(\boldsymbol{X}_t \boldsymbol{W}_{xh}^{(b)} + \overleftarrow{\boldsymbol{H}}_{t+1} \boldsymbol{W}_{hh}^{(b)} + \boldsymbol{b}_h^{(b)}) \end{aligned}                 H                    tH                    t=ϕ(XtWxh(f)+H                    t−1Whh(f)+bh(f))=ϕ(XtWxh(b)+H                    t+1Whh(b)+bh(b))
                                         H                          t                                 =                         (                                             H                               →                                    t                                 ,                                             H                               ←                                    t                                 )                             \boldsymbol{H}_t=(\overrightarrow{\boldsymbol{H}}_{t}, \overleftarrow{\boldsymbol{H}}_t)                 Ht=(H            t,H            t)
                                         O                          t                                 =                                  H                          t                                          W                                     h                               q                                           +                                  b                          q                                     \boldsymbol{O}_t = \boldsymbol{H}_t \boldsymbol{W}_{hq} + \boldsymbol{b}_q                 Ot=HtWhq+bq

num_hiddens=128
num_epochs, num_steps, batch_size, lr, clipping_theta = 160, 35, 32, 1e-2, 1e-2
pred_period, pred_len, prefixes = 40, 50, ['分开', '不分开']

lr = 1e-2 # 注意调整学习率

gru_layer = nn.GRU(input_size=vocab_size, hidden_size=num_hiddens,bidirectional=True)
model = d2l.RNNModel(gru_layer, vocab_size).to(device)
d2l.train_and_predict_rnn_pytorch(model, num_hiddens, vocab_size, device,
                                corpus_indices, idx_to_char, char_to_idx,
                                num_epochs, num_steps, lr, clipping_theta,
                                batch_size, pred_period, pred_len, prefixes)

输出:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-GhF608ea-1584285348985)(https://imgkr.cn-bj.ufileos.com/4bcdb31e-b134-485d-bdd5-0eb4ec923061.png)]