长短期记忆网络LSTM：
①隐变量模型存在长期信息保存和短期输入缺失问题，解决方法是LSTM
②发明于90年代
③使用效果和GRU差别不大，但是实现起来复杂
1.长短期记忆网络
①忘记门Ft：将值朝0减少
②输入门It：是否忽略输入数据
③输出门Ot：是否使用隐状态
2.门
类似于GRU，当前时间步的输入和前一个时间步的隐状态作为数据送入LSTM中。由三个具有sigmoid激活函数的全连接层处理，计算输入门，遗忘门，输出门的值（三个门的值在0~1）
3.候选记忆单元
使用tanh函数作为激活函数，函数值在-1~1之间
4.记忆单元
①在LSTM中，通过输入门和遗忘门控制输入和遗忘：输入门lt控制采用多少来自Ct的新数据，遗忘门控制保留过去多少记忆元C（t-1）的内容
②遗忘门是1输入门是0，过去的记忆元C（t-1）传递当前时间步
③上一时刻的记忆单元作为状态输入到模型
③LSTM由两个状态：H和C
5.隐状态
①在LSTM中，tanh的作用是将Ct的值限制在-1~1之间
②Ot为1的时候有效地将所有记忆信息传递给预测部分。Ot为0丢弃当前的 Xt 和过去所有的信息，只保留记忆元内的所有信息，而不需要更新隐状态
【总结】
1 LSTM 和 GRU 所想要实现的效果是差不多的,但是结构更加复杂
C :一个数值可能比较大的辅助记忆单元
C 中包含两项: 当前的 Xt 和过去的状态(在 GRU 中只能二选一,这里可以实现两个都选)
2 长短期记忆网络包含三种类型的门：输入门、遗忘门和输出门
3 长短期记忆网络的隐藏层输出包括“隐状态”和“记忆元”。只有隐状态会传递到输出层，而记忆元完全属于内部信息
4 长短期记忆网络可以缓解梯度消失和梯度爆炸
5 长短期记忆网络是典型的具有重要状态控制的隐变量自回归模型
【代码】
# 加载《时光机器》数据集
import torch
from torch import nn
from d2l import torch as d2l
# 加载《时光机器》数据集
batch_size, num_steps = 32, 35
train_iter, vocab = d2l.load_data_time_machine(batch_size, num_steps)
# 初始化模型参数
def get_lstm_params(vocab_size, num_hiddens, device):
num_inputs = num_outputs = vocab_size
def normal(shape):
return torch.randn(size=shape, device=device) * 0.01 # 标准差为的高斯分布中提取权重
def three():
return (normal((num_inputs, num_hiddens)),
normal((num_hiddens, num_hiddens)),
torch.zeros(num_hiddens, device=device))
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() # 候选记忆元参数
# 输出层参数
W_hq = normal((num_hiddens, num_outputs))
b_q = torch.zeros(num_outputs, device=device)
# 附加梯度
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]
for param in params:
param.requires_grad_(True)
return params# 定义模型
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)
)
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((X @ W_xi) + (H @ W_hi) + b_i)
F = torch.sigmoid((X @ W_xf) + (H @ W_hf) + b_f)
O = torch.sigmoid((X @ W_xo) + (H @ W_ho) + b_o)
C_tilda = torch.tanh((X @ W_xc) + (H @ W_hc) + b_c)
C = F * C + I * C_tilda
H = O * torch.tanh(C)
Y = (H @ W_hq) + b_q
outputs.append(Y)
return torch.cat(outputs, dim=0), (H, C)# 训练和预测
vocab_size, num_hiddens, device = len(vocab), 256, d2l.try_gpu()
num_epochs, lr = 500, 1
model = d2l.RNNModelScratch(len(vocab), num_hiddens, device, get_lstm_params, init_lstm_state, lstm)
d2l.train_ch8(model, train_iter, vocab, lr, num_epochs, device)
d2l.plt.show()# 简洁实现
num_inputs = vocab_size
lstm_layer = nn.LSTM(num_inputs, num_hiddens)
model = d2l.RNNModel(lstm_layer, len(vocab))
model = model.to(device)
d2l.train_ch8(model, train_iter, vocab, lr, num_epochs, device)
