江苏龙网

  1. 首页 > 资讯 > 科技 > >

RNN|看完发现RNN原来是这样，机器学习人门贴送上


白交 发自 凹非寺
量子位 报道 | 公众号 QbitAI
今天写给小白的机器学习入门贴 ， 就来介绍一下什么是循环神经网络 ， 也就是RNN 。
循环神经网络就是专门处理序列的 。 由于它们在处理文本方面的有效性 ， 因此经常用于自然语言处理（NLP）任务 。
还是之前介绍的那个作者——Victor Zhou 。
RNN|看完发现RNN原来是这样，机器学习人门贴送上
本文插图

RNN有什么用？
传统的神经网络 ， 以及CNN ， 它们存在的一个问题是 ， 只适用于预先设定的大小 。
通俗一点 ， 就是采用固定的大小的输入并产生固定大小的输出 。
就比如上次提到的CNN例子 ， 以4×4图像为输入 ， 最终指定输出2×2的图像 。
而RNN呢？它专注于处理文本 ， 其输入和输出的长度是可变的 ， 比如 ， 一对一 ， 一对多 ， 多对一 ， 多对多 。
看这个图 ， 我想你就可以明白了 。
RNN|看完发现RNN原来是这样，机器学习人门贴送上
本文插图

其中 ， 输入是红色、RNN本身是绿色 ， 输出为蓝色 。
这种处理序列的能力十分有用 ， 于是 ， RNN就有了丰富的应用场景 。
比如 ， 机器翻译 。
像你见到的 ， 某歌、某道、某度 ， 还有最近很火的DeepL翻译器 ， 它们都是“多对多”进行的 。
原始文本序列被馈送到RNN ， 然后RNN生成翻译后的文本作为输出 。
再比如 ， 情绪分析 。
通常使用的是“多对一”的RNN进行 。 将想要分析的文本输入到RNN中 ， 然后产生一个单一的输出分类 。
举个例子：分析一个评论是正面还是负面的评论 。
输出得出：这是一个肯定的评论 。
怎样实现RNN？
我们就先来考虑一下 ， “多对多的RNN ， 输入为x0、x1、x2……xn ， 输出为y0、y1、y2……yn ， 这些xi ， yi都是向量 ， 具有任意维度 。
RNNs的工作原理是迭代更新一个隐藏状态h ， 它是一可以有任意维度的向量 。
而对于任意的一个ht：
1、由对应的输入xt与上一个隐藏层ht-1来计算2、输出yt是由ht计算出的结果 。
这样 ， 前一次的输出结果 ， 就会带到下一次的隐藏层中 ， 跟着一起训练 。 这样看 ， 是不是就感受到了循环二字了 。
RNN|看完发现RNN原来是这样，机器学习人门贴送上
本文插图

RNN|看完发现RNN原来是这样，机器学习人门贴送上
本文插图

每一个步骤都是采用的相同的权重 ， 通常来讲 ， 一个典型的RNN通常只需3组权重去完成它的计算 。
RNN|看完发现RNN原来是这样，机器学习人门贴送上
本文插图

此外 ， 还需要两个偏差 。
RNN|看完发现RNN原来是这样，机器学习人门贴送上
本文插图

由此 ， 这3个权重跟2个偏差 ， 就完成了整个RNN的计算 。
将他们组合起来 ， 方程式是这样的 。
RNN|看完发现RNN原来是这样，机器学习人门贴送上
本文插图

需要注意的是 ， 这里的权重是矩阵 ， 而其他变量是向量哦！
这里的第一个方程式 ， 激活函数采用的是双曲线函数 ， 当然用之前提到的S型函数也是OK的 。
文本是肯定还是否定？
接着 ， 我们就来试着从头开始执行RNN吧 。
以一个简单的情感分析为例 ， 就是判断一串给定的文本字符串是肯定的表达还是否定的 。
比如 ， 这些数据集 。
RNN|看完发现RNN原来是这样，机器学习人门贴送上


推荐阅读


上一篇：雷军|大转折！雷军又“押”对了，库克始料未及！网友：再见了，苹果

下一篇：音乐|“发光不发热”！QQ音乐重金砸版权 付费用户仅6.49%