Diferencia entre una sola unidad LSTM y una red neuronal LSTM de 3 unidades


12

El LSTM en el siguiente código Keras

input_t = Input((4, 1))
output_t = LSTM(1)(input_t)
model = Model(inputs=input_t, outputs=output_t)
print(model.summary())

puede ser representado como

Entiendo que cuando llamamos a model.predict(np.array([[[1],[2],[3],[4]]]))la (única) unidad LSTM, primero se procesa el vector [1], luego [2] más la retroalimentación de la entrada anterior y así sucesivamente hasta el vector [4]. En otras palabrasX1=[1],X2=[2],X3=[3],X4 4=[4 4].

No entiendo cómo la siguiente red neuronal procesará la misma secuencia de entrada [1],[2],[3],[4]

 input_t = Input((4, 1))
 output_t = LSTM(3)(input_t)
 model = Model(inputs=input_t, outputs=output_t)
 print(model.summary())

En este NN tenemos tres unidades LSTM. ¿Cómo procesan la secuencia [1],[2],[3],[4]? ¿Están interconectados entre sí? ¿Procesan la secuencia de entrada en paralelo o una unidad procesa la secuencia de entrada y luego su entrada se alimenta a la segunda unidad LSTM y así sucesivamente? ¿Podría alguien usar esquemáticamente esta imagen para explicar todo el proceso?

Respuestas:


7

En Keras LSTM(n)significa "crear una capa LSTM que consta de unidades LSTM. La siguiente imagen muestra qué capa y unidad (o neurona) son, y la imagen de la derecha muestra la estructura interna de una sola unidad LSTM.

ingrese la descripción de la imagen aquí

La siguiente imagen muestra cómo funciona toda la capa LSTM.

ingrese la descripción de la imagen aquí

Como sabemos, una capa LSTM procesa una secuencia, es decir, X1,...,Xnorte. En cada pasot la capa (cada neurona) toma la entrada Xt, salida del paso anterior ht-1y sesgo siy genera un vector ht. Coordenadas deht son salidas de las neuronas / unidades y, por lo tanto, el tamaño del vector htes igual al número de unidades / neuronas. Este proceso continúa hastaXnorte.

Ahora vamos a calcular el número de parámetros para LSTM(1)y LSTM(3)y compararlo con lo que se muestra Keras cuando llamamos model.summary().

Dejar yonortepags ser el tamaño del vector Xt y otut ser el tamaño del vector ht(este también es el número de neuronas / unidades). Cada neurona / unidad toma el vector de entrada, la salida del paso anterior y un sesgo que haceyonortepags+otut+1parámetros (pesos). Pero tenemosotut número de neuronas y así tenemos otut×(yonortepags+otut+1)parámetros Finalmente, cada unidad tiene 4 pesos (ver la imagen de la derecha, cuadros amarillos) y tenemos la siguiente fórmula para el número de parámetros:

4 4otut(yonortepags+otut+1)

Comparemos con lo que produce Keras.

Ejemplo 1.

 t1 = Input(shape=(1, 1))
 t2 = LSTM(1)(t1)
 model = Model(inputs=t1, outputs=t2)
 print(model.summary())

  Layer (type)                 Output Shape              Param #   
  =================================================================
  input_2 (InputLayer)         (None, 1, 1)              0         
  _________________________________________________________________
  lstm_2 (LSTM)                (None, 1)                 12        
  =================================================================
  Total params: 12
  Trainable params: 12
  Non-trainable params: 0
  _________________________________________________________________

El número de unidades es 1, el tamaño del vector de entrada es 1, entonces 4 4×1×(1+1+1)=12.

Ejemplo 2

  input_t = Input((4, 2))
  output_t = LSTM(3)(input_t)
  model = Model(inputs=input_t, outputs=output_t)
  print(model.summary())

    _________________________________________________________________
    Layer (type)                 Output Shape              Param #   
    =================================================================
    input_6 (InputLayer)         (None, 4, 2)              0         
    _________________________________________________________________
    lstm_6 (LSTM)                (None, 3)                 72        
    =================================================================
    Total params: 72
    Trainable params: 72
    Non-trainable params: 0

El número de unidades es 3, el tamaño del vector de entrada es 2, entonces 4 4×3×(2+3+1)=72


1

Normalmente trabajo con Tensorflow pero, como pude ver en la documentación, es similar a Keras.

Básicamente, cuando estás llamando NOLSTM(3) estás creando LSTM uno encima del otro como en esta imagen 1 . Este es un problema completamente diferente.

Sin embargo, cuando está creando LSTM(3), está haciendo un LSTM con 3 unidades ocultas o celdas ocultas . En su código, 3 será la dimensión de las celdas internas en LSTM. ¿Qué significa? Esto significa que la dimensionalidad del estado oculto y la dimensionalidad del estado de salida serán las mismas que su parámetro de unidades ocultas.

En lugar de imaginar un LSTM como algo que obtiene una secuencia de escalares y da un escalar de salida, imagine esto: tiene una secuencia de longitud T con 512 valores de cada T, entonces [Batchsize, T, 512]. En el primer paso de tiempo T = 1, alimentarás el LSTM con estos 512 valores a la vez y esto es gracias a las unidades ocultas.

Te adjunto algunas referencias y enlaces si mi explicación no es muy clara. Q Referencia , S Referencia .

2 pilas LSTM

Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.