动手学深度学习 | 循环神经网络RNN | 54
RNN
来将我们第一个对序列模型的神经网络——循环神经网络 RNN。
x是“你”，然后会去更新隐变量，要去预测“好”字。
接下来观察到了“好”，更新隐变量后要输一个逗号。
\(o_t\)是来match\(x_t\)的输入，但是生成\(o_t\)的时候你是不能看到\(x_t\)的。也就是当前时刻的输出是为了预测当前时刻的观察，但是你的输出发生在观察之前。
这里t时刻的输出是\(x_{t-1},h_t\),也就是t时刻的输出是没有用到\(x_t\)的。
首先使用\(x_{t-1}\)去更新隐藏状态\(h_t\)：\(h_t=\phi(W_{hh}h_{t-1}+W_{hx}x_{t-1}+b_h)\)
然后在由这个更新的隐藏状态去预测当前时刻的输出：\(o_t=\phi(W_{ho}h_t+b_o)\)
def rnn(inputs, state, params):
W_xh, W_hh, b_h, W_hq, b_q = params
H, = state
outputs = []
for X in inputs: # 按照时间维度进行迭代
# 这里就是将隐藏状态和输入的X进行加法
H = torch.tanh(torch.mm(X, W_xh) + torch.mm(H, W_hh) + b_h)
Y = torch.mm(H, W_hq) + b_q
outputs.append(Y)
# 在竖直方向将这些输出拼接，并返回隐藏状态
return torch.cat(outputs, dim=0), (H,)
注意：slides上面的\(x_{t-1}\)其实应该是\(x_t\),这里写成前者只是为了强调是输入前一个字符，可以预测出后一个字符（预测的字符是还没有输入的）。
RNN和MLP的的差别就是多了一个时间轴，意思就是其实去除了隐藏状态\(W_{hh}h_{t-1}\)就是一个MLP。
最简单的RNN是通过\(W_{hh}\)来存储时序信息的，所以RNN跟MLP相比，就是使用多了一维权重来存储时序信息。
好像下图，最简单的RNN是通过\(W_{hh}\)来存储时序信息的。
另外就是我们如何衡量一个语言模型的好坏？语言模型说白了就是一个分类模型，假设字典的大小为m，那么就可以看做是一个m分类的问题。如果是一个分类问题，当然你是可以用交叉熵来做这个事情。
现在序列的长度为n，那么就要做n次预测，也就做n次分类，那么衡量一个语言模型的好坏就取一个平均，n次交叉熵的平均。
但是由于历史原因，对这个平均交叉熵进行了指数处理\(exp(\pi)\)，叫做困惑度。
困惑度为1表示完美，无穷大是最坏的情况。
RNN具体来讲是一个隐变量模型，它告诉你说隐变量是一个向量，然后它的向量是怎么样去更新的，说白了就是一个全连接层。
困惑度，就是把RNN作为分类问题来处理，一个序列长度为n，字典容量为m，那么就预测n次，然后取平均的交叉熵损失，在取指数，就得到了困惑度。
QA
- 循环神经网络和递归神经网络是一个东西吗？如果不是，有什么区别吗？
他们不是一个东西。这里没有讲递归神经网络，递归神经网络可以做的更加fancy一点。但是RNN只能处理一些很平整序列。
可以简单认为RNN就是一个简单的递归神经网络。
- 前面讲的目标检测，现在已经发展比较成熟了，一个人做的话，也不是很容易发paper，现在讲的自然语言处理方面，有哪些方向适合一个人做呀？
目标检测这个现在发paper很难，发很好的paper很难，图片分类发很好的paper也很难。
最近不是大家在用transformer来做图片分类，你也可以用transformer来做目标检测。
深度学习在2018年一直没有突破，直到那时候transformer的出现，transformer出来之后，NLP进展是非常的迅速。
CNN有段时间就是在把backbone刷的特别好，把pre-train模型刷的特别好；现在NLP在干吗呢？现在NLP也是在刷pre-train的模型。
你可以先看CNN在干什么，现在是backbone好了之后，就去刷应用，比如语义分割、目标检测。一个人是很难刷backbone的，因为这需要有很多的机器和很多的数据，如果你是一个人，可以用transformer去做一些偏应用的模型是会好一点的（其实还有最近一直很火的GNN）。
- 中文需不需要分词，可否直接基于字来做？
可以，但是分词是有好处的，因为token中是包含信息的。
