TensorFlow中RNN网络的实现和关键参数选择

主旨

TensorFlow提供了方便的API用于快速搭建和实现RNN网络。但是在实际工作中，这些API的关键参数选择令人迷惑，在没有时间详细阅读Tensorflow引用论文和源代码的条件下，仅仅靠网络上找到的样例代码决定某些参数的选择是危险且低效的。为了解决这个问题，同时不陷入过于复杂的论文和TensorFlow源代码分析，本文通过受控实验的方式，设计出一个虽然简单但是能反映出RNN基本规律的训练和测试数据，通过代码实验分析不同参数对于RNN分类精度的影响，并得出对工程有实际指导意义的结论。

运行环境和源代码

TensorFlow版本

>>> tf.version
‘1.1.0-rc2’

源代码位置：https://github.com/wangyaobupt/RNN

背景知识

RNN是递归神经网络的简称，区别于此前介绍的全连接神经网络(Full Connected Network)或者卷积神经网络(CNN)，RNN的一大特点是在计算中引入了递归，即当前时刻t的输出不止由t时刻输入影响，还由t-1时刻的系统输出和系统状态影响。由于具备这样的性质，RNN在时间序列分析，特别是具备前后关联性的时间序列（例如自然语言等）非常有用。

目前LSTM是一类常用的RNN单元结构，本文不会涉及LSTM网络的原理，感兴趣的读者推荐阅读以下两篇参考资料。
http://colah.github.io/posts/2015-08-Understanding-LSTMs/
https://deeplearning4j.org/lstm.html#recurrent

需要提醒注意的是：虽然LSTM名字中有“记忆”，但这里的记忆主要是为了让神经元记住此前时刻的状态，而不应该与人类的记忆能力混淆，误以为LSTM是用来记忆数据的。如果只是记忆数据，向磁盘写文件就足够好了。LSTM记忆此前时刻的状态，是为了形成一定程度上的“推理”（此处表达不够严谨）：即根据对过去一段时间输入的处理结果，加上当前时刻的输入，综合分析数据特征。

LSTM典型示意图如下，示意图来自http://colah.github.io/posts/2015-08-Understanding-LSTMs/

API 和 需要确定的关键参数

TensorFlow提供了方便的API用于构造LSTM单元和网络，在本文中会用到的两个介绍如下

tf.contrib.rnn.BasicLSTMCell

根据API文档，其构造函数中num_units是没有默认值，必须由网络设计者给定。API文档中对这个参数的作用描述如下

num_units: int, The number of units in the LSTM cell

对于上述描述，笔者表示仍然看不懂，因为“units in the LSTM cell”这个概念在API文档上并没有直接定义。

为了解决这个问题，我们从TF源代码入手，分析上述API对应的源代码 core_rnn_cell_impl.py，找到如下源代码

class BasicLSTMCell(RNNCell):  """Basic LSTM recurrent network cell.  The implementation is based on: http://arxiv.org/abs/1409.2329.  We add forget_bias (default: 1) to the biases of the forget gate in order to  reduce the scale of forgetting in the beginning of the training.  It does not allow cell clipping, a projection layer, and does not  use peep-hole connections: it is the basic baseline.  For advanced models, please use the full LSTMCell that follows.  """  def __init__(self, num_units, forget_bias=1.0, input_size=None,               state_is_tuple=True, activation=tanh, reuse=None):    """Initialize the basic LSTM cell.    Args:      num_units: int, The number of units in the LSTM cell.      forget_bias: float, The bias added to forget gates (see above).      input_size: Deprecated and unused.      state_is_tuple: If True, accepted and returned states are 2-tuples of        the `c_state` and `m_state`.  If False, they are concatenated        along the column axis.  The latter behavior will soon be deprecated.      activation: Activation function of the inner states.      reuse: (optional) Python boolean describing whether to reuse variables        in an existing scope.  If not `True`, and the existing scope already has        the given variables, an error is raised.    """    if not state_is_tuple:      logging.warn("%s: Using a concatenated state is slower and will soon be "                   "deprecated.  Use state_is_tuple=True.", self)    if input_size is not None:      logging.warn("%s: The input_size parameter is deprecated.", self)    self._num_units = num_units    self._forget_bias = forget_bias    self._state_is_tuple = state_is_tuple    self._activation = activation    self._reuse = reuse  @property  def output_size(self):    return self._num_units

注意到其中output_size()函数返回值就是num_units，所以可以推断num_units决定了LSTM Cell输出向量的维度，对于一个batch中的一个sample，num_units决定了这个sample的维度。进一步，num_units可以理解为RNN网络表征特征的复杂度，需要区分的特征越复杂，就需要越多的维度来表征。

tf.nn.dynamic_rnn

单独一个LSTM Cell并不能形成网络，这里我们还需要另外的API构造出RNN网络。在API文档中的多个RNN网络中，我们选择dynamic_rnn，其API文档介绍的输入如下

cell: An instance of RNNCell.inputs: The RNN inputs.

上述Cell就是我们通过LSTM cell API获得的实例，而inputs则是输入RNN的数据，以Tensor的形式表示。
关于input，API文档进一步解说如下

If time_major == False (default), this must be a Tensor of shape: [batch_size, max_time, ...], or a nested tuple of such elements. ...The input to cell at each time step will be a Tensor or (possibly nested) tuple of Tensors each with dimensions [batch_size, ...]. 

根据上述文档，可以这样理解，在time_major==False(默认值)条件下，input必须是[batch_size, max_time, …]形式的Tensor，其中…又是每个时刻的数据Tensor，形状不限。

关键参数

前一节的API介绍中，至少有两个关键参数需要确定

1. LSTMCell的num_units
2. RNN网络中input tensor的第二个维度，max_time

实验和神经网络设计

考虑一个数列分类问题，输入数列的长度设计为10，这是10个元素每个都是一个标量，生成两类数据。

• 第一类，前5个元素是递增的自然数0，1，2，3，4，后5个元素是随机数，记为[0,1,2,3,4,Rand,Rand,Rand,Rand,Rand]；
• 第二类，10个元素全部是随机数，记为[Rand,Rand,Rand,Rand,Rand,Rand,Rand,Rand,Rand,Rand]

数据生成代码如下

def genUTData(num):    data = np.zeros((num, 10, 1))    label = np.zeros((num, 2))    for index in range(0, num):        if index % 2 == 0:            label[index][0] = 1            for i in range(0, 5):                data[index][i][0] = i            for i in range(5,10):                data[index][i][0] =  np.random.randn(1)        else:            label[index][1] = 1            data[index] = np.random.randn(10, 1)    return data, label

RNN网络设计：由于是简单二分类问题，LSTMCell的num_units设置为2，直接作为输出用的one-hot vector。网络采用最简单的结构，输入Tensor直接进入LSTMCell，经过max_time处理后获得输出

思考题：假如问题很复杂，num_units=2不足以正确分类，同时问题目标又是二分类问题怎么办？（思路见文末）

    with tf.name_scope('net_define'):        batch_size_t = tf.placeholder(tf.int32, None)        inputTensor = tf.placeholder(tf.float32, [None, max_time, dims_of_input], name='inputTensor')        labelTensor = tf.placeholder(tf.float32, [None, n_classes], name='LabelTensor')        lstmCell = tf.contrib.rnn.BasicLSTMCell(num_units_in_LSTMCell)        init_state = lstmCell.zero_state(batch_size_t, dtype=tf.float32)        raw_output, final_state = tf.nn.dynamic_rnn(lstmCell, inputTensor, initial_state = init_state)        outputs = tf.unstack(tf.transpose(raw_output, [1, 0, 2]), name='outputs_before_softmax')        output = outputs[-1];        output = tf.identity(output, 'tensor_before_softmax')        y_predict = tf.nn.softmax(output, name='softmax_output')

前文提到的两个关键参数，num_units已经通过2分类问题确定，另一个max_time参数的确定比较复杂，因此我设计了两套实验方案，在给定某个max_time取值的条件下

• 方案1：将原始序列（长度=10，每个元素是标量）截断到长度等于max_time，每个step仍然是一个1维标量
• 方案2：将原始序列（长度=10，每个元素是标量）变形为一个形状为[max_time, dims_of_input]的矩阵，这里为了简单，max_time只取1，2，5，10这些可以被总长度10整除的数字

代码中通过以下开关控制两种测试方案

    # define the test plan:    # plan1: fix 'max_time', if length_of_input_sequence is longer than max_time, drop the oldest element to make the input sequence same length as max_time    # plan2: use reshape function to reshape input sequence to (max_time, -1)    test_plan = 1

实验结果和分析

本文的结果以Tensorboard中输出的“精度-迭代次数”和“交叉熵-迭代次数”曲线表示，橙色为测试集，蓝色为训练集。精度达到1表示对所有样本分类正确，交叉熵越接近0表示分类效果越好。

方案1测试结果和分析

max_time=10
这种情况下整个原始数列进入RNN分类器。第一类数据输入为[0,1,2,3,4,Rand,Rand,Rand,Rand,Rand]
可以看出虽然有波动，但最终分类器实现了100%正确分类。

max_time=6
这种情况下只有原始数列的最后6个元素进入RNN，回忆一下数据生成规则，区分第一类和第二类的关键在于前5个元素，所以最后6个元素中第一个元素仍然是有规则的。实际第一类输入数据为[4,Rand,Rand,Rand,Rand,Rand]
实测结果如下，仍然可以实现100%正确分类。

max_time=5
这种情况下只有原始数列的最后5个元素进入RNN，根据数据生成规则，无论是第一类还是第二类数据，最后5个元素都是随机数。实际第一类输入数据为[Rand,Rand,Rand,Rand,Rand]。
因而在测试结果上，分类器无法做到正确分类，分类准确率在50%左右，完全随机

小结：在只给出一个长序列的区间片段到RNN的情况下，只有给定区间包含了能够分类的规律，RNN才能实现分类
用一个具体的例子来解释，假定明天的天气受到过去一周天气的影响，如果在训练神经网络中只传入昨天和今天的天气，无论怎么训练，预测结果都不会好。

方案2测试结果和分析

max_time=10
这种情况下方案2等价于方案1，第一类数据输入为[0,1,2,3,4,Rand,Rand,Rand,Rand,Rand]
测试结果也印证了这一点

max_time=5
方案2在这种情况下虽然把RNN的输入压缩到了5个时刻，但每个时刻从1维标量变为2维Tensor，第一类数据输入为[[0,1],[2,3],[4,Rand],[Rand,Rand],[Rand,Rand]]
从信息的角度，仍然包含了可以区分两类的信息。因此测试结果证明，仍然可以正确分类

max_time=1
对于方案2，这是一种极端情况，意味着我们将连续时间序列“退化”成了一个单个点，对于第一类数据，其形式为[[0,1,2,3,4,Rand,Rand,Rand,Rand,Rand]]。
这样RNN的R即递归就不发生作用，整个数据只有一个时刻，输出只由当前时刻决定。
实测证明，在这种情况下，RNN仍然能正确分类

小结：在完整保留长序列信息的情况下，无论max_time如何选择，都不影响正确分类

结论

基于上述实验，结论如下

• num_units的选择：根据分类问题的复杂程度决定，
  
  • 如果分类问题本身较为简单，不同类别之间存在明显区分（例如本文中的例子）。则num_units取值可以很小，甚至对于分类问题可以使用类别数目作为num_units，最后经过softmax作为分类向量使用；
  • 如果设计者认为分类问题不是简单问题，即不同类别之间区分不明显，则num_units必须增加才能表征复杂特征。为了输出N分类的最终结果，RNN输出数据需要通过全连接网络将输出转为N分类结果。举个例子，对于复杂二分类问题，例如笔者前一篇文章 可视化展示神经网络是如何将分类正确率提升的，num_units=64才获得满足预期的分类结果，即LSTM输出的是64维向量。如何将64维向量转为2分类结果，就是在LSTM输出之后附加一个64路输入，两个输出节点的全连接层，通过全连接层将输出转为one-hot vector
• max_time的选择: max_time决定了RNN中时间序列的长度，进一步，决定了RNN能记忆到“此前多久 ”的输入数据，在设计这个参数时，需要确保设定的长度足以区别不同类别数据。

TODO

关于如何根据问题复杂度选择num_units的问题，本文给出的描述是定性的，笔者计划通过定量实验的方式展示num_units的变化是如何影响分类器准确度的，后续文章完成后会在这里通过Link连接。