59 双向循环神经网络【动手学深度学习v2】

深度学习学习笔记
学习视频：https://www.bilibili.com/video/BV12X4y1c71W/?spm_id_from=autoNext&vd_source=75dce036dc8244310435eaf03de4e330

核心思想：取决于过去和未来的上下文，来预测当前的词。前面的RNN,GRU和LSTM是根据前面的一些词预测下一个词，如果是完型填空则要看未来的词。

双向RNN
一个隐藏层其实时有两个，首先输出进去，state给到下一个时间单元，X2输入隐藏状态给到X1，然后合并两个隐藏状态。
实现将序列反过来，输入反向输进去拿到输出，然后输出再返回来，再更新下一个做concat。

Ht是由Ht+1得到，Ht-1得到一个Ht，然后两个concat一下，给到输出层。

双向不适合做推理，几乎不能用在预测下一个词上面，因为你要得到的输出，是既要看到它之后的信息，又要看到它之前的信息，而在它之前是没有之后的信息。不能用来预测未来。
双向RNN最主要的作用是对一个句子做特征提取，比如做翻译时、改写时。

QA：

1. 双向RNN，反向初始hidden state也是0
2. LSTM 区分C 和 H，H是0-1之间数据，C 没有数值限制可以存一些信息。