本文为稀土技能社区首发签约文章，30天内制止转载，30天后未获授权制止转载，侵权必究！

作者简介：秃头小苏，致力于用最浅显的言语描绘问题

专栏引荐：深度学习网络原理与实战

近期方针：写好专栏的每一篇文章

支持小苏：点赞、收藏⭐、留言

CVer从0入门NLP（一）———词向量与RNN模型

写在前面

Hello，咱们好，我是小苏

之前的博客中，我都为咱们介绍的是核算机视觉的常识，今天预备和咱们唠唠NLP的内容。其实呢，关于NLP，我也是初学者，之前只是有一个大约的了解，所以本系列会以一个初学者的视角带咱们走进NLP的国际，如果博客中有解说不到位的地方，期望各位大佬纠正。

当然了，NLP的内容许多，你如果在网上搜NLP学习道路的话你会看的眼花缭乱，本系列首要会介绍一些重要的常识点，一些前史长远的模型就不介绍了，我个人觉得用途不大，咱们的方针是像经典模型看齐，如GPT系列，BERT宗族等等。

本系列目前预备先分三节介绍，后边会渐渐弥补新内容。第一节先从词向量为切入点，然后介绍RNN模型并手撸一个RNN;第二节会介绍RNN的改善LSTM及ELMO模型；第三节会详细介绍GPT和BERT,以及它们的相同点和不同点。

词向量

咱们知道，NLP任务中咱们处理的对象是一个个的词，可是核算机根本不知道咱们的词啊，需求将其转换为合适核算机处理的数据类型。一种常见的做法是独热编码（one-hot编码），假定咱们现在要对“秃”、“头”，“小”，“苏”四个字进行独热编码，其成果如下：

能够看出，上图能够用一串数字表明出“秃”、“头”，“小”，“苏”这四个汉字，如用1 0 0 0表明“秃”，用0 1 0 0表明“头”……

可是这种表明办法是否存在缺点呢？咱们都能够思考思考，我给出两点如下：

这种编码办法关于我这个事例来说貌似是还蛮不错的，可是咱们有没有想过，关于一个文本翻译任务来说，往往里边有许多许多的汉字，假定有10000个，那么一个独自的字，如“秃”就需求一个110000维的矩阵来表明，而且矩阵中有9999个0，这无疑是对空间的一种糟蹋。
这种编码办法无法表明两个相关单词的联络，如“秃”和“头”这两个单词显着是有某种内在的联络的，可是独热编码却无法表明这种联络【余弦类似度为0，后文对余弦类似度有介绍】。

基于以上的两点，我觉得咱们的对词的编码应该契合以下几点要求：

咱们能够将词表明为数字向量。
咱们尽或许的节约空间的耗费。
咱们能够轻松核算向量之间的类似程度。

咱们先来看这样的一个比方，参阅：The Illustrated Word2vec

现在正值秋招大好时机，咱们的作业都找的怎样样了腻，祝咱们都能找到令自己满足的作业。在投简历的过程中，咱们会发现许多公司都会有性情测验这一环节，这个测验会咨询你一系列的问题，然后从多个维度来对你的性情做全面剖析。其中，测验测验者的内向或外向往往是测验中的一个维度，假定我（Jay）的内向/外向得分为38（满分100），则咱们能够制作下图：

为了更好的表明数据，咱们将数据限制到-1~1范围内，如下：

这样咱们就能够对Jay这个人是否外向做一个大致的点评，可是人是杂乱的，只是从一个维度来剖析一个人的性情肯定是不精确的，因而，咱们再来增加一个维度来归纳点评Jay这个人的性情特点：

能够看到，现在咱们就能够从两个维度来描绘Jay这个人了，在上图的坐标系中便是一个坐标为（-0.4，0.8）的点，或许说是从原点到（-0.4，0.8）的向量。当然了，如何还有他人有这样的两个维度，我就能经过比较他们的向量来表明他们的类似性。

从上图能够和显着的看出，Person1和Jay更像，可是这是咱们直观的感触，咱们可不能够经过数值来反应他们之间的类似度呢，当然能够，一种常见的核算类似度的办法是余弦类似度cosine_similarity，成果如下：

不知道咱们知不知道核算余弦类似度，这儿简略介绍一下：

余弦类似度是一种用于衡量两个向量之间类似性的度量办法，通常在自然言语处理和信息检索等范畴广泛运用。它核算两个向量之间的夹角余弦值，值越挨近1表明两个向量越类似，值越挨近-1表明两个向量越不类似，值挨近0表明两个向量之间没有显着的类似性。

余弦类似度的核算公式如下：

余弦类似度= $A⋅B∣∣A∣∣∣∣B∣∣\frac{A \cdot B}{||A||||B||}$

其中：

A 和 B 是要比较的两个向量。

$\cdot B$ 表明向量** $A$ **与向量 ** $B$ **的点积（内积）。

** $∣∣ A ∣∣$ **和 $∣∣ B ∣∣$ 别离表明向量 ** $A$ **与向量 ** $B$ **的范数（模）。

能够来简略举个比方：

假定有两个向量 $A = [2, 3]$ 、 $B = [1, 4]$ 。咱们来核算它们之间的余弦类似度：

$\cdot B=(21)+(34)=14$

$∣∣A∣∣=22+32=13||A||=\sqrt{2^2+3^2}=\sqrt{13}$

$∣∣B∣∣=12+42=17||B||=\sqrt{1^2+4^2}=\sqrt{17}$

则：余弦类似度= $A⋅B∣∣A∣∣∣∣B∣∣=141317≈0.86\frac{A \cdot B}{||A||||B||}=\frac{14}{\sqrt{13}\sqrt{17}}\approx0.86$

上面展现的是从两个维度刻画一个人的性情，可是在实际中比两维更多，国外心理学家研讨了五个首要品格，所以咱们能够将上面的二维扩展到五维，如下图所示：

显然，现在咱们有五个维度的数据，咱们无法经过平面向量的方式来调查不同人物之前的类似性，可是咱们依然能够核算他们之前的类似度，如下：

经过上面的性情测评小比方，我想告诉咱们的是咱们能够把诸如”外向/内向”、“自卑/自傲”等性情特征表述成向量的方式，而且每个人都能够用这些种向量方式表明，一起咱们能够依据这种向量的表述来核算每个人之前的类似度。

相同的道理，人能够，那么词也能够，咱们把一个个词表明成这样的向量方式，这种向量表明方式便是词向量。那么词向量究竟长什么样呢？咱们一起来看看“King”这个词的词向量（这是在维基百科上练习好的），如下：

[ 0.50451 , 0.68607 , -0.59517 , -0.022801, 0.60046 , -0.13498 , -0.08813 , 0.47377 , -0.61798 , -0.31012 , -0.076666, 1.493 , -0.034189, -0.98173 , 0.68229 , 0.81722 , -0.51874 , -0.31503 , -0.55809 , 0.66421 , 0.1961 , -0.13495 , -0.11476 , -0.30344 , 0.41177 , -2.223 , -1.0756 , -1.0783 , -0.34354 , 0.33505 , 1.9927 , -0.04234 , -0.64319 , 0.71125 , 0.49159 , 0.16754 , 0.34344 , -0.25663 , -0.8523 , 0.1661 , 0.40102 , 1.1685 , -1.0137 , -0.21585 , -0.15155 , 0.78321 , -0.91241 , -1.6106 , -0.64426 , -0.51042 ]

这一共有50个数字，即表明咱们选择了50个维度的特征来表明“king”这个词，也即这个向量表明“king”这个词。相同的道理，其他单词也会有归于他们自己的向量表明，方式和上面的是相同的，都是50维，可是里边详细的值不同。为了便利展现不同词之间的联络，咱们将表明“king”的词向量换一种办法展现，依据其值的不同标记成不同的色彩（若数值挨近2，则为红色；挨近0，则为白色；挨近-2，则为蓝色），如下图：

当然了，咱们用相同的道理，会得到其它词的词向量表明，如下：

能够看到，“Man”和“Woman”之前的类似程度好像比它们和“King”之前的类似程度高，这也是契合咱们直觉的，即“Man”和“Woman”之前的联络好像比较大。

这就阐明，经过把词变成词向量之后，咱们能够发现不同词之前的相关程度了。这儿你或许会问了，怎样把词变成词向量呢？不急，咱们立刻回答。

咱们再拿咱们一开端“秃”、“头”，“小”，“苏”四个字为例，咱们运用独热编码编码这四个字后，它们之间的余弦类似度都为0，无法表明它们之间的相关程度，因而运用独热编码作为词向量作用欠好。那么改运用什么呢，一种或许的计划是Word Embedding。咱们先来说说经过Word Embedding能够到达什么样的作用，相同拿“秃”、“头”，“小”，“苏”四个字为例，运用Word Embedding后它们的散布是这样的：

即“秃”和“头”在某个空间中离的比较近，阐明这两个词的相关性较大。即Word Embedding能够从较高的维度去考虑一些词，那么会发现一些词之前存在某种相关。

那么如何进行Word Embedding，如何得到咱们的词向量呢？首要我需求让咱们知道到一点，进行Word Embedding，其实重点便是寻觅一个合适的矩阵Q。然后将咱们之前的one hot编码乘上Q，，比方“秃”的one hot 编码是1 0 0 0，假定咱们寻觅到了一个矩阵Q，

那么咱们将它们两个相乘，就得到了“秃”的词向量：

词向量“秃”：

同理，咱们能够得到其它几个词的词向量：

好了，到这儿你或许了解了咱们的方针便是寻觅一个改变矩阵Q。那么这个Q又是怎样寻觅的呢，其实呢，这个Q矩阵是练习出来的。一开端，有一种神经网络言语模型，叫做NNLM，它在完结它的任务的时候产生了一种副产物，这个副产物便是这个矩阵Q。【这儿咱们不细讲了，咱们感兴趣的去了解一下，材料许多】后边人们发现这个副产物挺好用，因为能够进行Word Embedding，将词变成词向量嘛。于是科研人员就进一步研讨，规划出了Word2Vec模型，这个模型是专门用来得到这个矩阵Q的。【后边咱们也叫这个矩阵Q为Embedding矩阵】

Word2Vec模型有两个结构，如下：

CBOW，这种模型类似于完型填空，核心思想是把一个语句中间的某个词挡住，然后用这个词的上下文单词去猜测这个被挡住的词。
Skip-gram，这个和CBOW结构刚好相反，它的核心思想是依据一个给定的词去猜测这个词的上下文。

它们的区别能够用下图表明：

至于它们详细是怎样完成的我不计划讲，感兴趣的能够去搜搜。我简略说说它的思路：在它们练习时，首要会随机初始化一个Embedding表和Context表，然后咱们会依据输入单词去查找两个表，并核算它们的点积，这个点击表明输入和上下文的类似程度，接着会依据这个类似程度来规划丢失函数，最终依据丢失不断的调整两个表。当练习完结后，咱们就得到了咱们的Embedding表，也便是Q矩阵。

RNN模型

上一小节咱们介绍了词向量，它处理的是咱们NLP任务中输入问题。下面咱们将一起来唠唠NLP任务中的常见模型。

RNN模型结构

RNN（循环神经网络）我想咱们多少都有所耳闻吧，它首要用于处理时序问题，例如时间序列、自然言语文本、音频信号等。

话不多说，咱们直接来看RNN的模型图，如下：

啊，什么，这这点！！！？你或许感到震惊，RNN的模型结构就这么点儿？？？是的，没错，就这些。首要，它有一个输入 $X_t$ ，这是一个序列输入，比方某时间的输入为 $x_i$ ， $x_i$ 会输入到模块A中【留意：这儿不止一个输入，还会有一个输入 $h_{i-1}$ 一起送入模块A】，然后模块A输出一个值 $h_i$ 。接着会将输出 $h_i$ 和下一个输入 $x_{i+1}$ 送入模块A，得到输出 $h_{i+1}$ 。【留意：最根底的RNN的输出和 $h_t$ 是相同的】重复上面的过程，便是RNN啦。

上面的图用一个循环表明RNN，其实看起来仍是比较不舒服，那么咱们把这个循环展开，其结构就会比较明晰了，如下图所示：

知道了RNN的大体结构，我觉得你或与会对模块A的结构很敢兴趣，那我劝你不要太敢兴趣。因为模块A真的很简略，便是一个tanh层，如下：

enmmmm，便是这么简略，如果你对此结构还存有疑问的话，那么字写看看后文的代码手撸RNN部分，或许能处理你的大部分疑问。

到这儿，其实RNN的模型结构就讲完了，是不是很简略呢。那么下面讲什么呢？自然是RNN存在什么问题，这样才能过渡到后边更加牛*的网络嘛。

那么RNN存在什么问题呢？那便是长间隔依靠问题，何为长间隔依靠呢？他和短间隔依靠是相对的概念，咱们来举个比方来介绍什么是长间隔依靠，什么是短间隔依靠：

关于这样一句话：“我爱在足球场上踢__”，咱们是不是很简略得到空格里的答案，因为在空格前几个字有足球场，所以咱们知道这儿要填“足球”。这种能依据上下文附近就判断猜测答案的便是短间隔依靠。【短间隔依靠的图示如下】
关于这样一句话：“我爸爸从小就带我去足球场踢足球，我的喜好便是足球。我和爸爸联络非常好，常常带我一起玩耍，…….，真是一个巨大的父亲。长大后，我的喜好一向没变，现在我就要去踢__”，咱们感触到了嘛，这儿空格中要填的词咱们要往上文找很就才能够发现，这种猜测答案需求看上文很远间隔找到答案的便是长间隔依靠。

也便是说，RNN网络关于长间隔依靠的问题作用很欠好，因而咱们后边会对RNN网络进行改善，进而进步其对长间隔依靠的才能。

手撸RNN

想必咱们经过上文的叙述，现已对RNN的代码结构有了一定的知道，下面咱们就来运用Pytorch来完成一个RNN网络，让咱们对其有一个更加明晰的知道。

这部分的思路是这样的，我先给咱们调用一下官方封装好的RNN模型，展现模型输入输出的成果；然后再手撸一个RNN函数，来验证其成果是否和官方共同。

好了，咱们就先来运用官方界说好的RNN模型来完成，详细能够看这个衔接：RNN

import torch
import torch.nn as nn
bs, T = 2, 3   #批巨细，输入序列长度
input_size, hidden_size = 2, 3  # 输入特征巨细，隐含层特征巨细
input = torch.randn(bs, T, input_size) # 随机初始化一个输入特征序列
h_prev = torch.zeros(bs, hidden_size)  # 初始隐含状态

咱们先来打印看一下input和h_prev以及它们的shape，如下：

咱们来解说一下这些变量，input便是咱们输入的数据，他的维度为(2, 3, 2)，三个维度别离表明(bs, T, input_size)，即(批巨细，输入序列长度，输入特征巨细)。我这样介绍咱们或许还一头雾水，我结合input的打印成果给咱们介绍，首要很显着这是一个维度为(2, 3, 2)的向量，这个咱们都知道哈，不知道我就真没办法啦，去补补课吧。那么这个向量的第一个维度是2，就代表咱们1个batch有两条数据，每个都是(3, 2)维度的向量，如下：

这个和核算机视觉中的bs(batch_size)是一个意思啦，接下来咱们来看每条数据，即这个（3，2）维的向量，以第一条为例：这个3表明输入序列长度，表明每条数据又有三个小部分构成，别离为[-0.0657, -0.9015]、[-0.0324, -0.5666]、[-0.2630, 2.4861]。这是什么意思呢，这表明咱们的输入会分三次送入RNN网络中，别离是 $x_0、x_1、x_2$ ，不知道这样咱们能否了解，我画个图咱们就知道了，如下：

咱们或许发现了，这个维度的3个数据就相当于3个词，别离一步步的送入RNN网络中，那么其实最终一个维度2，也便是输入特征巨细也很好了解了，它就表明每个词的维度，便是咱们前文所说的词向量，那么咱们这儿便是每个词向量有两个维度的特征。

经过上文的介绍，我想咱们了解input这个输入了，那么h_prev是什么呢，其是隐层的输出，也便是上图中的 $h_0、h_1、h_2$ 。

接着咱们就来调用pytorch中RNN的API：

# 调用pytorch RNN API
rnn = nn.RNN(input_size, hidden_size, batch_first=True)
rnn_output, state_final = rnn(input, h_prev.unsqueeze(0))

batch_first=True这个参数是界说咱们输入的格局为(bs, T, input_size)的，pytorch文档中都解说的很详细，咱们自己去看一下就好。至于这个h_prev.unsqueeze(0)这儿加了第一个维度，这是因为RNN API的输入要求是三维的向量，如下：

咱们来看看输出的rnn_output和state_final的值和shape吧，如下：

rnn_output其实便是每个躲藏层的输出，而state_final则是终究的输出，在根底的RNN中，state_final的值就等于最终一个躲藏层的输出，咱们从数值上也能够发现，如下：

为了便利咱们了解，再画一个图，如下：【留意：图都是以batch中一条数据为例表明的】

那么上文就为咱们介绍了如何运用pytorch官方API完成RNN，可是这样咱们无法看到RNN内部是如何完成的，那么这样咱们就来手动完成一个RNN。其实很简略，首要便是用到了一个公式，如下：

这个公式能够在pytorch官方文档中看到，其实不知道咱们发现没有，其实这个公式和卷积神经网络的公式是很像的，只不过RNN这儿有两个输入而已。还有一点和咱们说一下，上图公式中含有转置，完成起来转置来转置去的会很绕，上面的公式其实和下面是相同的【上下两个 $x_t$ 维度其实变了】：

为了简便起见，我用不带转置的进行代码编写，咱们先了解好这个，最终我也会把带转置的代码放出来，这时候了解带转置的或许更简略点。

# 手写一个rnn_forward函数，完成RNN的核算原理
def rnn_forward(input, weight_ih, weight_hh, bias_ih, bias_hh, h_prev):
    bs, T ,input_size = input.shape
    h_dim = weight_ih.shape[0]
    h_out = torch.zeros(bs, T, h_dim)
    for t in range(T):
        x = input[:,t,:].unsqueeze(2)    
        w_ih_batch = weight_ih.unsqueeze(0).tile(bs, 1, 1)
        w_hh_batch = weight_hh.unsqueeze(0).tile(bs, 1, 1)
        w_times_x = torch.bmm(x.transpose(1, 2), w_ih_batch.transpose(1, 2)).transpose(1, 2).squeeze(-1)
        w_times_h = torch.bmm(h_prev.unsqueeze(2).transpose(1, 2), w_hh_batch.transpose(1, 2)).transpose(1, 2).squeeze(-1)
        h_prev = torch.tanh(w_times_x + bias_ih + w_times_h + bias_hh)
        h_out[:,t,:] = h_prev
    return h_out, h_prev.unsqueeze(0)

咱们看到代码并不长，所以其实仍是很简略的，最首要的是咱们留意for t in range(T)这个循环，便是不断的取输入序列中的向量送入RNN网络，比方开端是 $x_0$ 送入、接着是 $x_1$ 送入……依次类推，后边的几行代码都是围绕 $ht=tanh⁡(Wihxt+bih+Whhh(t−1)+bhh)h_{t}=\tanh \left(W_{i h} x_{t}+b_{i h}+W_{h h} h_{(t-1)}+b_{h h}\right)$ 进行编写的，详细的细节咱们渐渐调试吧，信任难不住你。因为规划到许多向量运算，所以特别要留意维度的改变。

接下来咱们要验证一下咱们完成的RNN是否正确，可是咱们需求传入 $W_{ih}、b_{ih}、W_{hh}、b_{hh}$ 参数，这几个参数怎样得到呢，咱们能够在rnn中看到这几个参数的值，咱们也只有用这个才能确保咱们最终的成果和官方的共同，咱们能够来简略看看这几个值，如下：

接着咱们就能够将这儿边的参数传入到rnn_forward函数中，如下：

custom_rnn_output, custom_state_final = rnn_forward(input, rnn.weight_ih_l0, rnn.weight_hh_l0, rnn.bias_ih_l0,  rnn.bias_hh_l0, h_prev)

相同，咱们来打印一下custom_rnn_output和custom_state_final，如下：

经过对比，你能够发现，运用官方API和运用咱们自界说的函数完成的RNN的输出是相同，这就验证了咱们办法的正确性。

下面给出带转置的，即 $ht=tanh⁡(xtWihT+bih+ht−1WhhT+bhh)h_{t}=\tanh \left(x_{t} W_{i h}^{T}+b_{i h}+h_{t-1} W_{h h}^{T}+b_{h h}\right)$ 这个表达式的代码供咱们参阅，如下：

# custom 手写一个rnn_forward函数，完成RNN的核算原理
def rnn_forward(input, weight_ih, weight_hh, bias_ih, bias_hh, h_prev):
    bs, T, input_size = input.shape
    h_dim = weight_ih.shape[0]
    h_out = torch.zeros(bs, T, h_dim)
    for t in range(T):
        x = input[:, t, :].unsqueeze(2)
        w_ih_batch = weight_ih.unsqueeze(0).tile(bs, 1, 1)
        w_hh_batch = weight_hh.unsqueeze(0).tile(bs, 1, 1)
        w_times_x = torch.bmm(x.transpose(1, 2), w_ih_batch.transpose(1, 2)).transpose(1, 2).squeeze(-1)
        w_times_h = torch.bmm(h_prev.unsqueeze(2).transpose(1, 2), w_hh_batch.transpose(1, 2)).transpose(1, 2).squeeze(-1)
        h_prev = torch.tanh(w_times_x + bias_ih + w_times_h + bias_hh)
        h_out[:, t, :] = h_prev
    return h_out, h_prev.unsqueeze(0)

参阅衔接

1、The Illustrated Word2vec

2、了解 LSTM 网络

3、Transformer浅显笔记：从Word2Vec、Seq2Seq逐渐了解到GPT、BERT

4、Understanding LSTM Networks

5、预练习言语模型的前世今生

6、PyTorch源码教程与前沿人工智能算法复现讲解

如若文章对你有所帮助，那就

CVer从0入门NLP（一）———词向量与RNN模型

CVer从0入门NLP（一）———词向量与RNN模型

写在前面

词向量

RNN模型

RNN模型结构

手撸RNN

参阅衔接

相关文章

如何从1到99做好产品 ｜ 得物技术

ChatGPT两种方式无代码生成流程图甘特图等图表

漫画版：什么是深度学习？

深入解析大型语言模型：从训练到部署大模型

作者信息

如何从1到99做好产品｜得物技术