LSTM网络参数详解：从基础概念到实战应用

LSTM网络参数详解：从基础概念到实战应用

引用

CSDN

1.

https://blog.csdn.net/baidu_35692628/article/details/137750413

图1 LSTM模型结构可视化 [6]

图2 LSTM cell结构说明

图3 LSTM cell和num_units说明 [4]

图4 LSTM的网络结构

1. LSTM

• 是对一个LSTM层的抽象，可以看成是由多个LSTM cell组成，是包含时间步的一个网络

2. LSTM cell

• 图2是LSTM在时间步上的结构，结合图3来理解LSTM cell的概念
• 在时间步上cell_1->cell_2->cell_3->…只是一个cell在不同时刻的表现
• 也就是说LSTM cell是某一时刻包含多个隐藏层神经元的结构

3. num_layers

• 模型层数(隐藏层)
• LSTM隐藏层/循环层的层数。如图1的隐藏层1和隐藏层2所示
• LSTM结构的个数，即多少个LSTM结构的堆叠。如图2的layer1和layer2所示
• num_layers默认是1，可以设置1~10
• 整个LSTM网络就是： input -> LSTM结构 * n -> output
• num_layers = hidden_num_layers

4. feature_size

• 输入x的特征数，number of features in the input x
• feature_size = input_size

5. input_size

• 输入维度，输入x的特征数
• input_size = feature_size

6. hidden_size

• 隐藏层中隐藏神经元的个数，如图1和图3中所示
• 隐藏层的特征维度，有多少个隐藏神经元就有多少个输出
• 每个隐藏层隐藏节点/神经元个数可以不一样

7. num_units

• 隐藏层神经元的个数，见图3所示
• num_units = hidden_size

8. output_layer

• 这里指的是还没有加入全连接层或者softmax等层
• LSTM的输出是一个tuple元组
• output后如果要接全连接层，那么全连接层的输入维度 = hidden_size

9. time_step

• 时间步，即时间序列长度，见图1和图2中x_t的长度
• number of frames, 帧数
• time_step = sequence_length = 帧数

10. node_num

• 图1中T=4，节点数为4
• RNN/LSTM节点数node_num = 序列长度 = time_step = 帧数

11. seq_len

• 从实际应用来理解，seq_len指时间序列的长度，目标的历史帧数
• seq_len = 帧数 = time_step

12. num_directions

• 1 - 单向LSTM
• 2 - 双向LSTM

13. h_t, c_t

• h是隐藏状态，表示短期记忆
• c是细胞状态，表示长期记忆
• h_t: t时刻的隐藏状态hidden state, h_n就是最后一个隐藏神经元的hidden state
• c_t: t时刻的细胞状态cell state, c_n就是最后一个隐藏神经元的cell state
• h_n/c_n的值和序列长度seq_len无关，和num_layers有关

14. output_size

• 输出维度
• 和隐藏层数num_layers无关，和序列长度seq_len和隐藏神经元的个数hidden_size有关

15. batch_size

• batch: 每次载入一批数据叫一个batch
• batch_size: 一批数据有多少个样本，比如batch_size = 32表示一次载入32个数据
• batch_size: how many samples per batch to load

16. batch_first

• data_loader的时候没有这个参数，模型定义的时候有这个参数

• batch_first：数据组织的方式

• batch_first = true：数据batch优先，也就是逐个目标序列的方式存储，如[[a_t1, a_t2, a_t3], [b_t1, b_t2, b_t3]]

• batch_first = false：数据seq_len优先，也就是逐个时刻各个目标的方式存储，如[[a_t1, b_t1, c_t1], [a_t2_b_t2, c_t2], [a_t3, b_t3, c_t3]]

• batch_first默认是false，pytorch的LSTM默认输入和输出都是batch_size在第二维，也就是优先按seq_len时间顺序排列数据，如下

• batch_first默认为false是因为cudnn中rnn的api就是batch_size在第二维度，这也导致batch_first设置为true后训练速度可能会变慢

• 【batch_first = true】

input(batch, seq_len, input_size)
output(batch_size, seq_len, hidden_size * num_directions)
h0(num_layers * num_directions, batch_size, hidden_size)
c0(num_layers * num_directions, batch_size, hidden_size)
hn(num_layers * num_directions, batch_size, hidden_size)
cn(num_layers * num_directions, batch_size, hidden_size)

• 【batch_first = false】

input(seq_len, batch, input_size)
output(seq_len, batch_size, hidden_size * num_directions)
h0(num_layers * num_directions, batch_size, hidden_size)
c0(num_layers * num_directions, batch_size, hidden_size)
hn(num_layers * num_directions, batch_size, hidden_size)
cn(num_layers * num_directions, batch_size, hidden_size)

• 从上面可以看出，batch_first影响input/output的数据格式，但是对h_t/c_t的格式却没有影响，可以实际打印shape看下
• batch_first不同取值影响到如何寻址访问对应的数据，使用时需注意

【参考文章】
[1].batch_first参数
[2].batch_first参数的理解
[3].batch_first参数的理解
[4].LSTM架构详解
[5].LSTM"门"的原理解析
[6].LSTM模型结构可视化, 推荐
[7].RNN参数解释
[8].LSTM参数
[9].LSTM参数
[10].hidden_size的理解
[11].理解LSTM英文版