使用PyTorch手写代码从头构建LSTM，更深入的理解其工作原理人工智能deephub-

这是一个造轮子的过程，但是从头构建LSTM能够使我们对体系结构进行更加了解，并将我们的研究带入下一个层次。

LSTM单元是递归神经网络深度学习研究领域中最有趣的结构之一：它不仅使模型能够从长序列中学习，而且还为长、短期记忆创建了一个数值抽象，可以在需要时相互替换。

在这篇文章中，我们不仅将介绍LSTM单元的体系结构，还将通过PyTorch手工实现它。

最后但最不重要的是，我们将展示如何对我们的实现做一些小的调整，以实现一些新的想法，这些想法确实出现在LSTM研究领域，如peephole。

LSTM体系结构

LSTM被称为门结构：一些数学运算的组合，这些运算使信息流动或从计算图的那里保留下来。因此，它能够“决定”其长期和短期记忆，并输出对序列数据的可靠预测：

LSTM单元中的预测序列。注意，它不仅会传递预测值，而且还会传递一个c，c是长期记忆的代表

遗忘门

遗忘门（forget gate）是输入信息与候选者一起操作的门，作为长期记忆。请注意，在输入、隐藏状态和偏差的第一个线性组合上，应用一个sigmoid函数：

sigmoid将遗忘门的输出“缩放”到0-1之间，然后，通过将其与候选者相乘，我们可以将其设置为0，表示长期记忆中的“遗忘”，或者将其设置为更大的数字，表示我们从长期记忆中记住的“多少”。

新型长时记忆的输入门及其解决方案

输入门是将包含在输入和隐藏状态中的信息组合起来，然后与候选和部分候选c’’u t一起操作的地方：

在这些操作中，决定了多少新信息将被引入到内存中，如何改变——这就是为什么我们使用tanh函数（从-1到1）。我们将短期记忆和长期记忆中的部分候选组合起来，并将其设置为候选。

单元的输出门和隐藏状态（输出）

之后，我们可以收集o_t作为LSTM单元的输出门，然后将其乘以候选单元（长期存储器）的tanh，后者已经用正确的操作进行了更新。网络输出为h_t。

LSTM单元方程

在PyTorch上实现

import math import torch import torch.nn as nn 

我们现在将通过继承nn.Module，然后还将引用其参数和权重初始化，如下所示（请注意，其形状由网络的输入大小和输出大小决定）：

class NaiveCustomLSTM(nn.Module):     def __init__(self, input_sz: int, hidden_sz: int):         super().__init__()         self.input_size = input_sz         self.hidden_size = hidden_sz                  #i_t         self.U_i = nn.Parameter(torch.Tensor(input_sz, hidden_sz))         self.V_i = nn.Parameter(torch.Tensor(hidden_sz, hidden_sz))         self.b_i = nn.Parameter(torch.Tensor(hidden_sz))                  #f_t         self.U_f = nn.Parameter(torch.Tensor(input_sz, hidden_sz))         self.V_f = nn.Parameter(torch.Tensor(hidden_sz, hidden_sz))         self.b_f = nn.Parameter(torch.Tensor(hidden_sz))                  #c_t         self.U_c = nn.Parameter(torch.Tensor(input_sz, hidden_sz))         self.V_c = nn.Parameter(torch.Tensor(hidden_sz, hidden_sz))         self.b_c = nn.Parameter(torch.Tensor(hidden_sz))                  #o_t         self.U_o = nn.Parameter(torch.Tensor(input_sz, hidden_sz))         self.V_o = nn.Parameter(torch.Tensor(hidden_sz, hidden_sz))         self.b_o = nn.Parameter(torch.Tensor(hidden_sz))                  self.init_weights() 

要了解每个操作的形状，请看：

矩阵的输入形状是（批量大小、序列长度、特征长度），因此将序列的每个元素相乘的权重矩阵必须具有该形状（特征长度、输出长度）。

序列上每个元素的隐藏状态（也称为输出）都具有形状（批大小、输出大小），这将在序列处理结束时产生输出形状（批大小、序列长度、输出大小）。-因此，将其相乘的权重矩阵必须具有与单元格的参数hidden_sz相对应的形状（output_size，output_size）。

这里是权重初始化，我们将其用作PyTorch默认值中的权重初始化nn.Module：

def init_weights(self):         stdv = 1.0 / math.sqrt(self.hidden_size)         for weight in self.parameters():             weight.data.uniform_(-stdv, stdv) 

前馈操作

前馈操作接收init_states参数，该参数是上面方程的（h_t，c_t）参数的元组，如果不引入，则设置为零。然后，我们对每个保留（h_t，c_t）的序列元素执行LSTM方程的前馈，并将其作为序列下一个元素的状态引入。

最后，我们返回预测和最后一个状态元组。让我们看看它是如何发生的：

def forward(self,x,init_states=None):                  """         assumes x.shape represents (batch_size, sequence_size, input_size)         """         bs, seq_sz, _ = x.size()         hidden_seq = []                  if init_states is None:             h_t, c_t = (                 torch.zeros(bs, self.hidden_size).to(x.device),                 torch.zeros(bs, self.hidden_size).to(x.device),             )         else:             h_t, c_t = init_states                      for t in range(seq_sz):             x_t = x[:, t, :]                          i_t = torch.sigmoid(x_t @ self.U_i + h_t @ self.V_i + self.b_i)             f_t = torch.sigmoid(x_t @ self.U_f + h_t @ self.V_f + self.b_f)             g_t = torch.tanh(x_t @ self.U_c + h_t @ self.V_c + self.b_c)             o_t = torch.sigmoid(x_t @ self.U_o + h_t @ self.V_o + self.b_o)             c_t = f_t * c_t + i_t * g_t             h_t = o_t * torch.tanh(c_t)                          hidden_seq.append(h_t.unsqueeze(0))                  #reshape hidden_seq p/ retornar         hidden_seq = torch.cat(hidden_seq, dim=0)         hidden_seq = hidden_seq.transpose(0, 1).contiguous()         return hidden_seq, (h_t, c_t) 

优化版本

这个LSTM在运算上是正确的，但在计算时间上没有进行优化：我们分别执行8个矩阵乘法，这比矢量化的方式慢得多。我们现在将演示如何通过将其减少到2个矩阵乘法来完成，这将使它更快。

为此，我们设置了两个矩阵U和V，它们的权重包含在4个矩阵乘法上。然后，我们对已经通过线性组合+偏置操作的矩阵执行选通操作。

通过矢量化操作，LSTM单元的方程式为：

class CustomLSTM(nn.Module):     def __init__(self, input_sz, hidden_sz):         super().__init__()         self.input_sz = input_sz         self.hidden_size = hidden_sz         self.W = nn.Parameter(torch.Tensor(input_sz, hidden_sz * 4))         self.U = nn.Parameter(torch.Tensor(hidden_sz, hidden_sz * 4))         self.bias = nn.Parameter(torch.Tensor(hidden_sz * 4))         self.init_weights()                      def init_weights(self):         stdv = 1.0 / math.sqrt(self.hidden_size)         for weight in self.parameters():             weight.data.uniform_(-stdv, stdv)               def forward(self, x,                  init_states=None):         """Assumes x is of shape (batch, sequence, feature)"""         bs, seq_sz, _ = x.size()         hidden_seq = []         if init_states is None:             h_t, c_t = (torch.zeros(bs, self.hidden_size).to(x.device),                          torch.zeros(bs, self.hidden_size).to(x.device))         else:             h_t, c_t = init_states                   HS = self.hidden_size         for t in range(seq_sz):             x_t = x[:, t, :]             # batch the computations into a single matrix multiplication             gates = x_t @ self.W + h_t @ self.U + self.bias             i_t, f_t, g_t, o_t = (                 torch.sigmoid(gates[:, :HS]), # input                 torch.sigmoid(gates[:, HS:HS*2]), # forget                 torch.tanh(gates[:, HS*2:HS*3]),                 torch.sigmoid(gates[:, HS*3:]), # output             )             c_t = f_t * c_t + i_t * g_t             h_t = o_t * torch.tanh(c_t)             hidden_seq.append(h_t.unsqueeze(0))         hidden_seq = torch.cat(hidden_seq, dim=0)         # reshape from shape (sequence, batch, feature) to (batch, sequence, feature)         hidden_seq = hidden_seq.transpose(0, 1).contiguous()         return hidden_seq, (h_t, c_t) 

最后但并非最不重要的是，我们可以展示如何优化，以使用LSTM peephole connections。

LSTM peephole

LSTM peephole对其前馈操作进行了细微调整，从而将其更改为优化的情况：

如果LSTM实现得很好并经过优化，我们可以添加peephole选项，并对其进行一些小的调整：

class CustomLSTM(nn.Module):     def __init__(self, input_sz, hidden_sz, peephole=False):         super().__init__()         self.input_sz = input_sz         self.hidden_size = hidden_sz         self.peephole = peephole         self.W = nn.Parameter(torch.Tensor(input_sz, hidden_sz * 4))         self.U = nn.Parameter(torch.Tensor(hidden_sz, hidden_sz * 4))         self.bias = nn.Parameter(torch.Tensor(hidden_sz * 4))         self.init_weights()                      def init_weights(self):         stdv = 1.0 / math.sqrt(self.hidden_size)         for weight in self.parameters():             weight.data.uniform_(-stdv, stdv)               def forward(self, x,                  init_states=None):         """Assumes x is of shape (batch, sequence, feature)"""         bs, seq_sz, _ = x.size()         hidden_seq = []         if init_states is None:             h_t, c_t = (torch.zeros(bs, self.hidden_size).to(x.device),                          torch.zeros(bs, self.hidden_size).to(x.device))         else:             h_t, c_t = init_states                   HS = self.hidden_size         for t in range(seq_sz):             x_t = x[:, t, :]             # batch the computations into a single matrix multiplication                          if self.peephole:                 gates = x_t @ U + c_t @ V + bias             else:                 gates = x_t @ U + h_t @ V + bias                 g_t = torch.tanh(gates[:, HS*2:HS*3])                          i_t, f_t, o_t = (                 torch.sigmoid(gates[:, :HS]), # input                 torch.sigmoid(gates[:, HS:HS*2]), # forget                 torch.sigmoid(gates[:, HS*3:]), # output             )                          if self.peephole:                 c_t = f_t * c_t + i_t * torch.sigmoid(x_t @ U + bias)[:, HS*2:HS*3]                 h_t = torch.tanh(o_t * c_t)             else:                 c_t = f_t * c_t + i_t * g_t                 h_t = o_t * torch.tanh(c_t)                              hidden_seq.append(h_t.unsqueeze(0))                      hidden_seq = torch.cat(hidden_seq, dim=0)         # reshape from shape (sequence, batch, feature) to (batch, sequence, feature)         hidden_seq = hidden_seq.transpose(0, 1).contiguous()                  return hidden_seq, (h_t, c_t) 

我们的LSTM就这样结束了。如果有兴趣大家可以将他与torch LSTM内置层进行比较。