第二十二節，TensorFlow中RNN實現一些其它知識補充
一 初始化RNN
上一節中介紹了 通過cell類構建RNN的函數，其中有一個參數initial_state，即cell初始狀態參數，TensorFlow中封裝了對其初始化的方法。
1.初始化為0
對於正向或反向，第一個cell傳入時沒有之前的序列輸出值，所以需要對其進行初始化。一般來講，不用刻意取指定，系統會默認初始化為0，當然也可以手動指定其初始化為0.
initial_state = lstm_cell.zero_state(batch_size, dtype=tf.float32)
2.初始化為指定值
在確保創建組成RNN的cell時，設置了輸出為元組類型(即初始化state_is_tuple=True)的前提下，刻意使用LSTMStateTuple函數。但是有時想給lstm_cell的initial_state賦予我們想要的值，而不簡單的用0來初始化。
LSTMStateTuple(c ,h)
可以把 LSTMStateTuple() 看做一個op.
from tensorflow.contrib.rnn.python.ops.core_rnn_cell_impl import LSTMStateTuple ... c_state = ... h_state = ... # c_state , h_state 都為Tensor initial_state = LSTMStateTuple(c_state, h_state)
當然，GRU就沒有這麽麻煩了，因為GRU沒有兩個state。
二 優化RNN
RNN的優化技巧有很多，對於前面講述的神經網絡技巧大部分在RNN上都適用，但是也有例外，下面就來介紹下RNN自己特有的兩個優化方法的處理。
1.dropout功能
在RNN中，如果想使用dropout功能，不能使用以前的dropout。
def tf.nn.dropout(x, keep_prob, noise_shape=None, seed=None, name=None): # pylint: disable=invalid-name
因為RNN有自己的dropout,並且實現方式與RNN不一樣。
def tf.nn.rnn_cell.DropoutWrapper(self, cell, input_keep_prob=1.0,
output_keep_prob=1.0,state_keep_prob=1.0,
variational_recurrent=False,input_size=None,
dtype=None, seed=None):
使用例子：
lstm_cell = tf.nn.rnn_cell.DropoutWrapper(lstm_cell,output_keep_prob = 0.5)
從t-1時刻的狀態傳遞到t時刻進行計算，這中間不進行memory的dropout，僅在同一個t時刻中，多層cell之間傳遞信息時進行dropout。所以RNN的dropout方法會有兩個設置參數input_keep_prop(傳入cell的保留率)和output_keep_prob(輸出cell的保留率)。
- 如果希望是input傳入cell時丟棄掉一部分input信息，就設置input_keep_prob，那麽傳入到cell的就是部分input。
- 如果希望cell的output只有一部分作為下一層cell的input，就定義為output_keep_prob。
例子：
lstm_cell=tf.nn.rnn_cell.BasicLSTMCell(size,forget_bias=0.0,state_is_tuple=True)
lstm_cell=tf.nn.rnn_cell.DropoutWrapper(lstm_cell,output_keep_prob=0.5)
在上面代碼中，一個RNN層後面跟一個DropoutWrapper,是一種常見的用法。
RNN中dropout詳情請點擊這裏：RNN變體之dropout
2.LN基於層的歸一化
這部分內容是對應於批歸一化(BN)的。由於RNN的特殊結構，它的輸入不同於前面所講的全連接、卷積網絡。
- 在BN中，每一層的輸入只考慮當前批次樣本(或批次樣本的轉換值)即可。
- 但是在RNN中，每一層的輸入除了當前批次樣本的轉換值，還得考慮樣本中上一個序列樣本的輸出值，所以對於RNN的歸一化，BN算法不再適用，最小批次覆蓋不了全部的輸入數據，而是需要對於輸入BN的某一層來做歸一化，即layer-Normalization.
由於RNN的網絡都被LSTM,GRU這樣的結構給封裝起來，所以想實現LN並不像BN那樣直接在外層加一個BN層就可以，需要需要改寫LSTM或GRU的cell，對其內部的輸入進行歸一化處理。
TensorFlow中目前還不支持這樣的cell，所以需要開發者自己來改寫cell的代碼，具體的方法可以在下面例子中講到。
三 在GRUCell中實現LN
下面程序我們對每個樣本進行歸一化處理，即通過計算每個樣本的均值和方差，然後歸一化處理，註意這裏並不是批歸一化，批歸一化是針對batch_size個樣本計算均值方差，然後歸一化處理。代碼如下：
# -*- coding: utf-8 -*- """ Created on Thu May 17 14:35:38 2018 @author: zy """ ‘‘‘ 在GRUCell中實現LN ‘‘‘ import tensorflow as tf import numpy as np from tensorflow.contrib.rnn.python.ops.core_rnn_cell import _linear from tensorflow.contrib.rnn.python.ops.core_rnn_cell import array_ops from tensorflow.contrib.rnn.python.ops.core_rnn_cell import RNNCell tf.reset_default_graph() def ln(tensor,scope=None,epsilon=1e-5): ‘‘‘ 沿著第二個軸層歸一化二維張量tensor(按行求平均，方差) 這裏其實是對每個樣本進行歸一化處理 計算每個樣本的方差和均值然後歸一化處理 並不是批歸一化 args: tensor：輸入張量，二維 大小為batch_size x num_units scope：命名空間 epsilon:為了防止除數為0 ‘‘‘ assert(len(tensor.get_shape()) == 2) #沿著axis=1軸(即每個樣本)，計算輸入張量的均值和方差 大小均為batch_size x 1 m,v = tf.nn.moments(tensor,axes = 1,keep_dims=True) if not isinstance(scope,str): scope = ‘‘ #獲取共享變量 不存在則創建 with tf.variable_scope(scope+‘layer_norm‘): #獲取縮放比例 scale = tf.get_variable(name=‘scale‘,shape=[tensor.get_shape()[1]],initializer=tf.constant_initializer(1)) #獲取偏移量 shift = tf.get_variable(name=‘shift‘,shape=[tensor.get_shape()[1]],initializer=tf.constant_initializer(0)) #歸一化處理 xi_bar = (xi - μ)/sqrt(ε + σ^2) ln_initial = (tensor - m)/tf.sqrt(v+epsilon) #yi = γ*xi_bar + β return ln_initial*scale + shift class LNGRUCell(RNNCell): ‘‘‘ 創建GRU單元的類 使用了層歸一化 ‘‘‘ def __init__(self,num_units,input_size=None,activation=tf.nn.tanh): ‘‘‘ args: num_units:隱藏層節點個數 ‘‘‘ if input_size is not None: print(‘%s:The input_size parameter is deprecates.‘%self) self.__num_units = num_units self.__activation = activation @property def state_size(self): return self.__num_units @property def output_size(self): return self.__num_units def __call__(self,inputs,state): ‘‘‘ args: inputs:這個時序的輸入xt batch_size x n_inputs state：上一個時序的輸出ht_1 num_units x num_units ‘‘‘ with tf.variable_scope(‘Gates‘): ‘‘‘ args: a 2D Tensor or a list of 2D, batch x n, Tensors. output_size: int, second dimension of W[i]. bias: boolean, whether to add a bias term or not. bias_initializer: starting value to initialize the bias (default is all zeros). Returns: A 2D Tensor with shape [batch x output_size] equal to sum_i(args[i] * W[i]), where W[i]s are newly created matrices. ‘‘‘ #計算加權值[Wz.[xt,ht_1]+bias,Wr.[xt,ht_1]+bias] 在計算的時候輸入x在前權重w在後 #即[batch_size x (n_inputs+num_units)] x [(n_inputs+num_units) x output_size] #print(‘inputs:‘,inputs.shape) #inputs: (?, 28) #print(‘state:‘,state.shape) #state: (?, 128) # batch_size x (2*__num_units) value = _linear([inputs,state],output_size=2*self.__num_units,bias=True,bias_initializer=tf.constant_initializer(1.0)) #分割成兩份 每份大小batch_size x __num_units r,u = array_ops.split(value=value,num_or_size_splits=2,axis=1) #層歸一化 r = ln(r,scope=‘r/‘) #層歸一化 u = ln(u,scope=‘u/‘) #計算rt,zt 大小均為大小batch_size x __num_units r,u = tf.nn.sigmoid(r),tf.nn.sigmoid(u) with tf.variable_scope(‘Candidate‘): #計算加權值W.[xt,rt*ht_1] 大小batch_size x __num_units Cand = _linear([inputs,r*state],self.__num_units,True) #層歸一化 c_pre = ln(Cand,scope=‘new_h/‘) #計算ht_hat 大小batch_size x __num_units c = self.__activation(c_pre) #zt*ht_1 + (1-zt)*ht_hat 大小batch_size x __num_units new_h = u * state + (1 - u) * c return new_h,new_h def single_layer_static_gru(input_x,n_steps,n_hidden): ‘‘‘ 返回靜態單層GRU單元的輸出，以及cell狀態 args: input_x:輸入張量 形狀為[batch_size,n_steps,n_input] n_steps:時序總數 n_hidden：gru單元輸出的節點個數 即隱藏層節點數 ‘‘‘ #把輸入input_x按列拆分，並返回一個有n_steps個張量組成的list 如batch_sizex28x28的輸入拆成[(batch_size,28),((batch_size,28))....] #如果是調用的是靜態rnn函數，需要這一步處理 即相當於把序列作為第一維度 input_x1 = tf.unstack(input_x,num=n_steps,axis=1) #可以看做隱藏層 gru_cell = LNGRUCell(num_units=n_hidden) #靜態rnn函數傳入的是一個張量list 每一個元素都是一個(batch_size,n_input)大小的張量 hiddens,states = tf.contrib.rnn.static_rnn(cell=gru_cell,inputs=input_x1,dtype=tf.float32) return hiddens,states def mnist_rnn_classfication(): ‘‘‘ 1. 導入數據集 ‘‘‘ tf.reset_default_graph() from tensorflow.examples.tutorials.mnist import input_data #mnist是一個輕量級的類，它以numpy數組的形式存儲著訓練，校驗，測試數據集 one_hot表示輸出二值化後的10維 mnist = input_data.read_data_sets(‘MNIST-data‘,one_hot=True) print(type(mnist)) #<class ‘tensorflow.contrib.learn.python.learn.datasets.base.Datasets‘> print(‘Training data shape:‘,mnist.train.images.shape) #Training data shape: (55000, 784) print(‘Test data shape:‘,mnist.test.images.shape) #Test data shape: (10000, 784) print(‘Validation data shape:‘,mnist.validation.images.shape) #Validation data shape: (5000, 784) print(‘Training label shape:‘,mnist.train.labels.shape) #Training label shape: (55000, 10) ‘‘‘ 2 定義參數，以及網絡結構 ‘‘‘ n_input = 28 #LSTM單元輸入節點的個數 n_steps = 28 #序列長度 n_hidden = 128 #LSTM單元輸出節點個數(即隱藏層個數) n_classes = 10 #類別 batch_size = 128 #小批量大小 training_step = 5000 #叠代次數 display_step = 200 #顯示步數 learning_rate = 1e-4 #學習率 #定義占位符 #batch_size：表示一次的批次樣本數量batch_size n_steps：表示時間序列總數 n_input：表示一個時序具體的數據長度 即一共28個時序，一個時序送入28個數據進入LSTM網絡 input_x = tf.placeholder(dtype=tf.float32,shape=[None,n_steps,n_input]) input_y = tf.placeholder(dtype=tf.float32,shape=[None,n_classes]) #可以看做隱藏層 hiddens,states = single_layer_static_gru(input_x,n_steps,n_hidden) print(‘hidden:‘,hiddens[-1].shape) #(128,128) #取LSTM最後一個時序的輸出，然後經過全連接網絡得到輸出值 output = tf.contrib.layers.fully_connected(inputs=hiddens[-1],num_outputs=n_classes,activation_fn = tf.nn.softmax) ‘‘‘ 3 設置對數似然損失函數 ‘‘‘ #代價函數 J =-(Σy.logaL)/n .表示逐元素乘 cost = tf.reduce_mean(-tf.reduce_sum(input_y*tf.log(output),axis=1)) ‘‘‘ 4 求解 ‘‘‘ train = tf.train.AdamOptimizer(learning_rate).minimize(cost) #預測結果評估 #tf.argmax(output,1) 按行統計最大值得索引 correct = tf.equal(tf.argmax(output,1),tf.argmax(input_y,1)) #返回一個數組 表示統計預測正確或者錯誤 accuracy = tf.reduce_mean(tf.cast(correct,tf.float32)) #求準確率 #創建list 保存每一叠代的結果 test_accuracy_list = [] test_cost_list=[] with tf.Session() as sess: #使用會話執行圖 sess.run(tf.global_variables_initializer()) #初始化變量 #開始叠代 使用Adam優化的隨機梯度下降法 for i in range(training_step): x_batch,y_batch = mnist.train.next_batch(batch_size = batch_size) #Reshape data to get 28 seq of 28 elements x_batch = x_batch.reshape([-1,n_steps,n_input]) #開始訓練 train.run(feed_dict={input_x:x_batch,input_y:y_batch}) if (i+1) % display_step == 0: #輸出訓練集準確率 training_accuracy,training_cost = sess.run([accuracy,cost],feed_dict={input_x:x_batch,input_y:y_batch}) print(‘Step {0}:Training set accuracy {1},cost {2}.‘.format(i+1,training_accuracy,training_cost)) #全部訓練完成做測試 分成200次，一次測試50個樣本 #輸出測試機準確率 如果一次性全部做測試，內容不夠用會出現OOM錯誤。所以測試時選取比較小的mini_batch來測試 for i in range(200): x_batch,y_batch = mnist.test.next_batch(batch_size = 50) #Reshape data to get 28 seq of 28 elements x_batch = x_batch.reshape([-1,n_steps,n_input]) test_accuracy,test_cost = sess.run([accuracy,cost],feed_dict={input_x:x_batch,input_y:y_batch}) test_accuracy_list.append(test_accuracy) test_cost_list.append(test_cost) if (i+1)% 20 == 0: print(‘Step {0}:Test set accuracy {1},cost {2}.‘.format(i+1,test_accuracy,test_cost)) print(‘Test accuracy:‘,np.mean(test_accuracy_list)) if __name__ == ‘__main__‘: mnist_rnn_classfication()
我們可以最後的測試集準確率達到了97.62%，比上一節96.46%提升了不少。本例只是使用了一個GRUCell,在多個cell中LN的效果會更明顯些。
三 CTC網絡的loss
CTC(Connectionist Temporan Classification)是語音辨識中的一個關鍵技術，通過增減一個額外的Symbol代表NULL來解決疊字問題。
RNN的優勢在於處理連續的數據，在基於連續的時間序列分類任務中，常常會使用CTC的方法。
該方法主要體現在loss值處理上，通過對序列對不上的label添加blank(空label)的方式，將預測的輸出值與給定的label值在時間序列上對齊，通過交叉熵算法求出具體損失值。
比如在語音識別的例子中，對於一句語音有它的序列值與對應的文本，可以使用CTC的損失函數求出模型輸出和label之間的loss，再通過優化器的叠代訓練讓損失值變小的方式將模型訓練出來。
1.ctc_loss函數介紹
TensorFlow中提供了一個ctc_loss函數，其作用就是按照序列來處理輸出標簽和標準標簽之間的損失。因為也是成型的函數封裝，對於初學者內部實現不用花太多時間關註，只要會用即可。
def tf.nn.ctc_loss(labels, inputs, sequence_length, preprocess_collapse_repeated=False, ctc_merge_repeated=True, ignore_longer_outputs_than_inputs=False, time_major=True):
-
labels: An `int32` `SparseTensor`.`labels.indices[i, :] == [b, t]` means `labels.values[i]` stores the id for (batch b, time t).`labels.values[i]` must take on values in `[0, num_labels)`.See `core/ops/ctc_ops.cc` for more details.一個32位的系數矩陣張量(SparseTensor)
-
inputs: 3-D `float` `Tensor`.If time_major == False, this will be a `Tensor` shaped:`[batch_size , max_time , num_classes]`. If time_major == True (default), this will be a `Tensor` shaped: `[max_time, batch_size , num_classes]`.The logits。(常用變量logits表示)，經過RNN後輸出的標簽預測值，三維的浮點型張量，當time_major為False時形狀為[batch_size,max_time,num_classes]，否則為[max_time, batch_size , num_classes](默認值)。
-
sequence_length: 1-D `int32` vector, size `[batch_size]`.The sequence lengths.序列長度。
-
preprocess_collapse_repeated: Boolean. Default: False.If True, repeated labels are collapsed prior to the CTC calculation.是否需要預處理，將重復的label合並成一個label，默認是False.
-
ctc_merge_repeated: Boolean. Default: True.在計算時是否將每個non_blank(非空)重復的label當成單獨label來解釋，默認是True。
-
ignore_longer_outputs_than_inputs: Boolean. Default: False.If True, sequences with longer outputs than inputs will be ignored.
-
time_major: The shape format of the `inputs` Tensors.If True, these `Tensors` must be shaped `[max_time, batch_size, num_classes]`.If False, these `Tensors` must be shaped `[batch_size, max_time, num_classes]`.Using `time_major = True` (default) is a bit more efficient because it avoids transposes at the beginning of the ctc_loss calculation. However, most TensorFlow data is batch-major, so by this function also accepts inputs in batch-major form.決定inputs的數據格式。
對於preprocess_collapse_repeated與ctc_merge_repeated參數，都是對於ctc_loss中重復標簽處理的控制，各種情況組合如下表所示：
| 參數情況 | 說明 |
|
preprocess_collapse_repeated=True ctc_merge_repeated=True |
忽略全部重復標簽，只計算不重復的標簽 |
|
preprocess_collapse_repeated=False ctc_merge_repeated=True |
標準的CTC模式，也是默認模式，不做預處理，只運算時重復標簽不再當成獨立的標簽來計算 |
|
preprocess_collapse_repeated=True ctc_merge_repeated=False |
忽略全部重復標簽，只計算不重復的標簽，因為預處理時已經把重復的標簽去掉了 |
|
preprocess_collapse_repeated=False ctc_merge_repeated=False |
所有重復標簽都會參加計算 |
對於ctc_loss的返回值，仍然屬於loss的計算模式，當取批次樣本進行訓練時，同樣也需要對最終的ctc_loss求均值。
return A 1-D `float` `Tensor`, size `[batch]`, containing the negative log probabilities.
註意：對於重復標簽方面的ctc_loss計算，一般情況下默認即可。另外這裏有個隱含的規則，Inputs中的classes是指需要輸出多少類，在使用ctc_loss時，需要將clsses+1，即再多生成一個類，用於存放blank。因為輸入的序列與label並不是一一對應的，所以需要通過添加blank類，當對應不上時，最後的softmax就會將其生成到blank。具體做法就是在最後的輸出層多構建一個節點即可。
這個規則是ctc_loss內置的，否則當標準標簽label中的類索引等於Inputs中size-1時會報錯。
2.SparseTensor類型
前面提到了SparseTensor類型，這裏主要介紹一下。
首先介紹下稀疏矩陣，它是相對於密集矩陣而言的。
密集矩陣就是我們常見的矩陣。當密度矩陣中大部分的數都為0時，就可以使用一種更好的存儲方式(只是將矩陣中不為0的索引和值記錄下來)存儲。這種方式就可以大大節省內存控件，它就是"稀疏矩陣"。
稀疏矩陣在TensorFlow中的結構類型如下：
def tf.SparseTensor(indices, values, dense_shape):
- Indices:就是前面所說的不為0的位置信息。它是一個二維的int64 張量或list、數組，shape為[N,ndims]，N表示位置個數，ndims表示維度，指定了sparse tensor中的索引，例如indices=[[1,3],[2,4]]，表示dense tense中對應索引為[1,3],[2,4]位置的元素的值不為0。
- values：一維的張量或者list、數組,形狀為[N],存儲密集矩陣中不為0位置所對應的值，它要與indices裏的順序對應。例如，indices=[[1,3],[2,4]],values=[18,3.6]，表示[1,3]的位置是18，[2,4]的位置是3.6.
- dense_shape：一維的int64 張量或者list、數組，表示原來密度矩陣的形狀[ndims]。
3.生成SparseTensor
了解了SpareTensor類型之後，就可以按照參數來拼接出一個SpareTensor了。在實際應用中，常會用到需要將密集矩陣dense轉換成稀疏矩陣SparseTensor。代碼如下：
def dense_to_sparse(dense,dtype=np.int32): ‘‘‘ 把密集矩陣轉換為稀疏矩陣 args: dense：密集矩陣 dtype：稀疏矩陣值得類型 ‘‘‘ indices = [] values = [] #遍歷每一行 for n,seq in enumerate(dense): #在已存在的列表中添加新的列表內容 添加密集矩陣每個索引位置 indices.extend(zip([n]*len(seq),range(len(seq)))) #添加密集矩陣每個元素的值 values.extend(seq) #print(‘n {0} ,seq {1} ,indices {2},values {3}‘.format(n,seq,indices,values)) indices = np.asarray(indices,dtype = np.int64) values = np.asarray(values,dtype = dtype) shape = np.asarray([len(dense),indices.max(0)[1]+1],dtype = np.int64) return tf.SparseTensor(indices = indices,values = values,dense_shape = shape)
4.SparseTensor轉dense
TensorFlow中提供了一個這樣的函數：
def tf.sparse_tensor_to_dense(sp_input, default_value=0, validate_indices=True, name=None):
-
sp_input：一個SparseTensor。
-
default_value：沒有指定索引的對應的默認值，默認是0。
- validate_indices：布爾值，如果是True，該函數會檢查sp_input的indices的lexicographic order是否有重復。
- name：返回tensor的名字前綴，可選。
5.levenshtein距離
前面介紹了ctc_loss是用來訓練時間序列分類模型的。評估模型時，一般常使用計算得到的levenshtein距離值作為模型的評分(正確率或錯誤率)。
levenshtein距離又叫編輯距離(Edit Distance)，是指兩個字符串之間，由一個轉成另一個所需的最小編輯操作次數。許可的編輯操作包括：將一個字符串替換成另一個字符、插入一個字符、刪除一個字符。一般來說，編輯距離越小，兩個字符串的相似度越大。
這種方法應用非常廣泛，在全序列對比，局部序列對比中都會用到，例如語音識別，拼音糾錯，DNA對比等。
在TensorFlow中，levenshtein距離的處理被封裝成對兩個稀疏矩陣進行操作，定義如下：
def tf.edit_distance(hypothesis, truth, normalize=True, name="edit_distance"):
- hypothesis：SparseTensor類型，輸入預測的序列結果。
- truth：SparseTensor類型，輸入真實的序列結果。
- normalize：標準化，默認True，求出來的levenshtein距離除以真實序列的長度。
- name：op的名字，可選、
返回一個R-1維的密度矩陣，包含每個序列的levenshtein距離。R是輸入序列hypothesis的秩。
四 CTCdecoder
CTC結構中海油一個重要的環節就是CTCdecoder。
1.CTCdecoder介紹
雖然在輸入ctc_loss中的logits(inputs)是我們的預測結果，但卻是帶有空標簽的，而且是一個與時間序列強對應的輸出。在實際情況下，我們需要轉換好的類似於原始標準標簽的疏忽從。這時可以使用CTCdecoder，經過它對預測結果加工後，就可以與標準標簽進行損失值得運算了。
2.CTCdecoder函數
在TensorFLow中，提供了兩個函數。
def tf.nn.ctc_greedy_decoder(inputs, sequence_length, merge_repeated=True):
- inputs：三維張量，模型的輸出預測值logits,形狀為[max_time , batch_size , num_classes]。
- sequence_length：序列的長度。形狀為[batch_size]。
- merge_repeated：布爾值，默認是True。
返回值：tuple(decoded,neg_sum_logits):
decoded: A single-element list. `decoded[0]` is an `SparseTensor` containing the decoded outputs s.t.:
`decoded.indices`: Indices matrix `(total_decoded_outputs x 2)`. The rows store: `[batch, time]`.
`decoded.values`: Values vector, size `(total_decoded_outputs)`. The vector stores the decoded classes.
`decoded.shape`: Shape vector, size `(2)`. The shape values are: `[batch_size, max_decoded_length]`
neg_sum_logits: A `float` matrix `(batch_size x 1)` containing, for the sequence found, the negative of the sum of the greatest logit at each timeframe.
def tf.nn.ctc_beam_search_decoder(inputs, sequence_length, beam_width=100, top_paths=1, merge_repeated=True):
另外一種尋路策略，參數和上面那個函數大致一樣。
註意：在實際情況下，解碼完後的decoded是一個list,不能直接用，通常取decoded[0],然後轉換成密集矩陣，得到的是一個批次的結果，然後再一條一條地取到沒一個樣本的結果。
第二十二節，TensorFlow中RNN實現一些其它知識補充