深度学习-nlp-NLP之多种RNN总结--73
参考链接：完全图解RNN、RNN变体、Seq2Seq、Attention机制
1. 最基本的单层网络
输入是x，经过变换Wx+b和激活函数f得到输出y。
经典的RNN结构（N vs N）
序列形的数据就不太好用原始的神经网络处理了。为了建模序列问题，RNN引入了隐状态h（hidden state）的概念，h可以对序列形的数据提取特征，接着再转换为输出。
注意：
圆圈或方块表示的是向量
一个箭头就表示对该向量做一次变换
（在很多论文中也会出现类似的记号，初学的时候很容易搞乱，但只要把握住以上两点，就可以比较轻松地理解图示背后的含义。）
h2的计算和h1类似，每一步使用的参数U、W、b都是一样的。
依次计算剩下来的（使用相同的参数U、W、b）：
这里为了方便起见，只画出序列长度为4的情况，实际上，这个计算过程可以无限地持续下去。
目前的RNN还没有输出，得到输出值的方法就是直接通过h进行计算：
一个箭头就表示对对应的向量做一次类似于f(Wx+b)的变换，这里的这个箭头就表示对h1进行一次变换，得到输出y1
剩下的输出类似进行：
这就是最经典的RNN结构，我们像搭积木一样把它搭好了。它的输入是x1, x2, .....xn，输出为y1, y2, ...yn，也就是说，输入和输出序列必须要是等长的。
经典RNN的适用范围比较小，但也有一些问题适合用经典的RNN结构建模，如：
输入为字符，输出为下一个字符的概率。这就是著名的Char RNN,(链接 The Unreasonable Effectiveness of Recurrent Neural Networks Char RNN可以用来生成文章，诗歌，甚至是代码)
2. N VS 1
要处理的问题输入是一个序列，输出是一个单独的值而不是序列,实际上，我们只在最后一个h上进行输出变换就可以了
这种结构通常用来处理序列分类问题。如输入一段文字判别它所属的类别，输入一个句子判断其情感倾向，输入一段视频并判断它的类别等等。
3. 1 VS N
输入不是序列而输出为序列的情况
还有一种结构是把输入信息X作为每个阶段的输入
等价表示：
1 VS N的结构可以处理的问题:
从图像生成文字（image caption），此时输入的X就是图像的特征，而输出的y序列就是一段句子
4. N vs M
介绍RNN最重要的一个变种：N vs M
这种结构又叫Encoder-Decoder模型，也可以称之为Seq2Seq模型。
原始的N vs N RNN要求序列等长，然而我们遇到的大部分问题序列都是不等长的，如机器翻译中，源语言和目标语言的句子往往并没有相同的长度。
Encoder-Decoder结构先将输入数据编码成一个上下文向量c：
得到c有多种方式，最简单的方法就是把Encoder的最后一个隐状态赋值给c，还可以对最后的隐状态做一个变换得到c，也可以对所有的隐状态做变换。
拿到c之后，就用另一个RNN网络对其进行解码，这部分RNN网络被称为Decoder。具体做法就是将c当做之前的初始状态h0输入到Decoder中
还有一种做法是将c当做每一步的输入
于这种Encoder-Decoder结构不限制输入和输出的序列长度，因此应用的范围非常广泛
机器翻译。Encoder-Decoder的最经典应用，事实上这一结构就是在机器翻译领域最先提出的
文本摘要。输入是一段文本序列，输出是这段文本序列的摘要序列
阅读理解。将输入的文章和问题分别编码，再对其进行解码得到问题的答案。
语音识别。输入是语音信号序列，输出是文字序列
5. Attention机制
在Encoder-Decoder结构中，Encoder把所有的输入序列都编码成一个统一的语义特征c再解码
c中必须包含原始序列中的所有信息，它的长度就成了限制模型性能的瓶颈 机器翻译问题，当要翻译的句子较长时，一个c可能存不下那么多信息，就会造成翻译精度的下降
Attention机制通过在每个时间输入不同的c来解决这个问题
例如：
第一个上下文c1应该和“我”这个字最相关，因此对应的a11就比较大，
c2应该和“爱”最相关，因此对应的a22就比较大
最后的c3和h3、h4最相关，a33 a34就比较大
这些权重是怎么计算的？参考：https://www.cnblogs.com/cavalier-chen/p/18132036
