长短期记忆(Long Short-Term Memory, LSTM)神经网络：
1.是Hochreiter和Schmidhuber设计的循环神经网络(Recurrent Neural Network, RNN)的改进版本。LSTM模型借鉴了人类大脑的选择性输入和选择性遗忘机制，获取序列中的关键信息，遗忘和当前预测任务无关的信息。
2.在循环神经网络的基础上，在隐藏层各神经单元中增加记忆单元(memory cell，一种可以长时间保存信息的容器)，从而使时间序列上的记忆信息可控。每次在隐藏层各单元间传递时通过三个可控门(遗忘门、输入门、输出门)，可以控制之前信息和当前信息的记忆和遗忘程度，从而使LSTM网络具备了长期记忆功能。
3.在RNN中，有一个很大局限，就是梯度消失和梯度爆炸问题。也就是RNN只能对较短距离的信息进行记忆，随着时间的间隔增大，RNN学习起来就会变的非常的困难。LSTM神经网络的出现很好的解决了这个问题，相对于传统的RNN，LSTM神经网络在其中添加了一个能够记忆长时间信息的单元。
4.LSTM神经网络一般由输入层，隐藏层和输出层构成 。LSTM神经网络的核心就是其中的具有记忆功能的隐藏层。如下图所示是具有记忆功能的LSTM单元图：它包括输入门、输出门、遗忘门以及记忆单元块。图中xt代表当前时刻的输入数据，Ct-1代表上一时刻的单元状态(cell state)，ht-1代表上一时刻的输出(或上一时刻的隐藏状态(hidden state))，Ct代表当前记忆单元状态，ht代表t时刻的输出值(或当前的隐藏状态)。ft代表遗忘门，it代表输入门，ot代表输出门。其中的输入门以及输出门为控制门，输入门决定给记忆单元传送的信息量，用来控制当前的输入值xt有多少数据被保留在Ct中，从而实现对单元状态Ct的更新；输出门决定将记忆单元中的多少信息传送给当前的输出。遗忘门对记忆单元进行控制，用来决定记忆单元的记忆和遗忘，决定的是上一时刻的记忆单元有多少数据将传递到现在。
5.LSTM的核心概念是单元状态及其各种门。单元状态充当传输高速公路，将相关信息传输到序列链的下游。你可以将其视为网络的"记忆(memory)"。理论上，单元状态可以在整个序列处理过程中携带相关信息。因此，即使是来自较早时间步(time step)的信息也可以进入后续时间步，从而减少短期记忆(short-term memory)的影响。随着单元状态的旅程，信息会通过门添加到单元状态或从单元状态中删除。门是不同的神经网络，它们决定哪些信息允许进入单元状态。门可以了解在训练期间哪些信息是相关的，需要保留或遗忘。有三个不同的门来调节LSTM单元中的信息流。由三个门控制记忆单元。这使得LSTM网络能够在信息流经网络时有选择地保留或丢弃信息，从而使它们能够学习长期依赖关系。
(1).输入门(it)：控制向记忆单元添加哪些信息。为了更新单元状态，我们有输入门。首先，我们将之前的隐藏状态和当前输入传递到sigmoid函数中。通过将值转换为0到1之间的值，该函数决定更新哪些值。0表示不重要，1表示重要。你还可以将隐藏状态和当前输入传递到tanh函数中，以将值压缩到-1和1之间，以帮助调节网络。然后将tanh输出与sigmoid输出相乘。sigmoid输出将决定哪些信息对于保留在tanh输出中很重要。
(2).遗忘门(ft)：控制从记忆单元移除哪些信息。该门决定应该丢弃或保留哪些信息，来自前一个隐藏状态的信息和来自当前输入的信息通过sigmoid函数传递。值介于0和1之间。越接近0表示丢弃，越接近1表示保留。
(3).输出门(ot)：控制从记忆单元输出哪些信息。输出门决定下一个隐藏状态应该是什么。隐藏状态包含有关先前输入的信息。隐藏状态也用于预测。首先，我们将先前的隐藏状态和当前输入传递给sigmoid函数。然后我们将新修改的单元状态传递给tanh函数。我们将tanh输出与sigmoid输出相乘，以决定隐藏状态应该携带什么信息。输出是隐藏状态。然后，新的单元状态和新的隐藏状态被延续到下一个时间步。
(4).隐藏状态(ht)：充当网络的短期记忆，保存着网络之前见过的先前数据的信息。隐藏状态根据输入、先前的隐藏状态和记忆单元的当前状态进行更新。
(5).单元状态(ct)：首先，单元状态逐点(pointwise)乘以遗忘向量(forget vector)。如果乘以接近0的值，则有可能丢弃单元状态中的值。然后我们从输入门获取输出并进行逐点加法，将单元状态更新为神经网络认为相关的新值。这给了我们新的单元状态。
遗忘门决定了哪些信息与之前的时间步相关，哪些信息需要保留。输入门决定了哪些信息与当前时间步相关，哪些信息需要添加。输出门决定了下一个隐藏状态应该是什么。
6.LSTM架构中的网络可以堆叠以创建深度架构，从而能够学习序列数据中更复杂的模式和层次结构。LSTM架构具有链式结构。
7.LSTM使用单元状态来存储有关过去输入的信息。此单元状态在网络的每个步骤中更新，网络使用它来对当前输入进行预测。单元状态使用一系列门进行更新，这些门控制允许多少信息流入和流出单元。
8.LSTM的控制流程与RNN类似。它在信息前向传播的过程中处理数据。不同之处在于LSTM单元(cell)内的操作。
双向长短期记忆(Bi-directional Long Short-Term Memory, Bi-LSTM)神经网络：
1.Bi-LSTM是LSTM的扩展，涉及两个并行运行的LSTM ，两个LSTM网络组成，前向LSTM和后向LSTM，一个网络处理前向输入序列，另一个网络处理后向输入序列，每个隐藏层的输出由两个LSTM组合而成。
2.Bi-LSTM神经网络在训练时能同时对当前训练t时刻之前的历史数据和之后的未来数据进行充分利用。
3.Bi-LSTM基本工作原理：通过前向LSTM和后向LSTM得到两个时间序列相反的隐藏层状态，然后将其连接得到同一个输出，其他步骤与LSTM训练过程类似。前向LSTM 和后向LSTM可以分别获取当前输入序列的前向信息和后向信息。
注：以上整理的内容主要来自：
-
硕论，《基于LSTM的人体连续动作识别》
PyTorch中torch.nn.LSTM使用说明：
1.声明如下：
python
torch.nn.LSTM(input_size, hidden_size, num_layers=1, bias=True, batch_first=False, dropout=0.0, bidirectional=False, proj_size=0, device=None, dtype=None)2.公式如下：
3.参数说明：
(1).input_size：输入x的特征数量。
(2).hidden_size：隐藏状态h的特征数量。
(3).num_layers：循环层的数量。例如，设置num_layers=2意味着将两个LSTM堆叠在一起以形成堆叠的LSTM，第二个LSTM接收第一个LSTM的输出并计算最终结果。默认值为1。
(4).bias：如果为False，则该层不使用偏置(bias)。默认为True。
(5).batch_first：如果为True，则输入和输出张量将以(batch, seq, feature)而不是(seq, batch, feature) 的形式提供。这不适用于隐藏状态或单元状态。默认为False。
(6).dropout：如果非零，则在除最后一层之外的每个LSTM层的输出上引入Dropout层，dropout概率等于dropout。默认值为0.0。
(7).bidirectional：如果为True，则变为双向LSTM。默认为False。
(8).proj_size：如果大于0，将使用具有投影的LSTM(LSTM with projections will be used)。默认值为0。
4.对于inputs和outputs: **假设batch_first=False, batch input，proj_size=**0
(1).inputs: input, (h_0, c_0)
1).input：(L,N,Hin)
2).h_0：(D∗num_layers,N,Hout)
3).c_0：(D∗num_layers,N,Hcell)
(2).outputs: output, (h_n, c_n)
1).output: (L,N,D∗Hout)
2).h_n：(D*num_layers,N,Hout)
3).c_n：(D*num_layers,N,Hcell)
其中：
N = batch size
L = sequence length
D = 2 if bidirectional=True otherwise 1
Hin = input_size
Hcell = hidden_size
Hout = hidden_size
将Bi-LSTM用于分类，示例代码如下：
python
import torch
import torch.nn as nn
import torchvision
import torchvision.transforms as transforms
import colorama
import argparse
def parse_args():
parser = argparse.ArgumentParser(description="BiLSTM classify")
parser.add_argument("--epochs", type=int, default=10, help="number of training")
parser.add_argument("--lr", type=float, default=0.003, help="learning rate")
parser.add_argument("--batch_size", type=int, default=64, help="batch size during training")
parser.add_argument("--hidden_size", type=int, default=128, help="hidden state size")
parser.add_argument("--num_layers", type=int, default=2, help="number of recurrent layers")
args = parser.parse_args()
return args
def load_data(batch_size):
train_dataset = torchvision.datasets.MNIST(root='../../data/', train=True, transform=transforms.ToTensor(), download=True)
test_dataset = torchvision.datasets.MNIST(root='../../data/', train=False, transform=transforms.ToTensor())
train_loader = torch.utils.data.DataLoader(dataset=train_dataset, batch_size=batch_size, shuffle=True)
test_loader = torch.utils.data.DataLoader(dataset=test_dataset, batch_size=batch_size, shuffle=False)
return train_loader, test_loader
# Bidirectional recurrent neural network (many-to-one)
class BiRNN(nn.Module):
def __init__(self, input_size, hidden_size, num_layers, num_classes, device):
super(BiRNN, self).__init__()
self.hidden_size = hidden_size
self.num_layers = num_layers
self.lstm = nn.LSTM(input_size, hidden_size, num_layers, batch_first=True, bidirectional=True)
self.fc = nn.Linear(hidden_size*2, num_classes) # 2 for bidirection
self.device = device
def forward(self, x):
# Set initial states
h0 = torch.zeros(self.num_layers*2, x.size(0), self.hidden_size).to(self.device) # 2 for bidirection, x.size(0)=batch_size
c0 = torch.zeros(self.num_layers*2, x.size(0), self.hidden_size).to(self.device)
# Forward propagate LSTM
out, _ = self.lstm(x, (h0, c0)) # out: tensor of shape (batch_size, seq_length, hidden_size*2)
# Decode the hidden state of the last time step
out = self.fc(out[:, -1, :]) # out: tensor of shape (batch_size, num_classes)
return out
def train(epochs, lr, batch_size, hidden_size, num_layers, device, input_size, sequence_length, num_classes):
train_loader, test_loader = load_data(batch_size)
model = BiRNN(input_size, hidden_size, num_layers, num_classes, device).to(device)
# Loss and optimizer
criterion = nn.CrossEntropyLoss()
optimizer = torch.optim.Adam(model.parameters(), lr=lr)
# Train the model
total_step = len(train_loader)
for epoch in range(epochs):
model.train()
for i, (images, labels) in enumerate(train_loader):
images = images.reshape(-1, sequence_length, input_size).to(device)
labels = labels.to(device)
# Forward pass
outputs = model(images)
loss = criterion(outputs, labels)
# Backward and optimize
optimizer.zero_grad()
loss.backward()
optimizer.step()
if (i+1) % 100 == 0:
print ("Epoch [{}/{}], Step [{}/{}], Loss: {:.4f}".format(epoch+1, epochs, i+1, total_step, loss.item()))
# Test the model
model.eval()
with torch.no_grad():
correct = 0
total = 0
for images, labels in test_loader:
images = images.reshape(-1, sequence_length, input_size).to(device)
labels = labels.to(device)
outputs = model(images)
_, predicted = torch.max(outputs.data, 1)
total += labels.size(0)
correct += (predicted == labels).sum().item()
print("Test Accuracy of the model on the 10000 test images: {} %".format(100 * correct / total))
# Save the model checkpoint
torch.save(model.state_dict(), "model.pth")
if __name__ == "__main__":
# reference: https://github.com/yunjey/pytorch-tutorial/blob/master/tutorials/02-intermediate/bidirectional_recurrent_neural_network/main.py
colorama.init(autoreset=True)
args = parse_args()
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
sequence_length = 28
input_size = 28
num_classes = 10
train(args.epochs, args.lr, args.batch_size, args.hidden_size, args.num_layers, device, input_size, sequence_length, num_classes)
print(colorama.Fore.GREEN + "====== execution completed ======")执行结果如下图所示：
