GRU 层中的计算是如何进行的
Posted
技术标签:
【中文标题】GRU 层中的计算是如何进行的【英文标题】:How does calculation in a GRU layer take place 【发布时间】:2021-10-22 16:24:55 【问题描述】:所以我想确切了解 GRU 单元的输出和隐藏状态是如何计算的。
我从here获得了预训练模型,GRU层已经定义为nn.GRU(96, 96, bias=True)
。
我查看了PyTorch Documentation 并确认权重和偏差的尺寸为:
weight_ih_l0
: (288, 96)
weight_hh_l0
: (288, 96)
bias_ih_l0
: (288)
bias_hh_l0
: (288)
我的输入大小和输出大小是(1000, 8, 96)
。我知道有1000
张量,每个张量的大小为(8, 96)
。隐藏状态是(1, 8, 96)
,它是一个大小为(8, 96)
的张量。
我还打印了变量batch_first
,发现它是False
。这意味着:
L=1000
批量大小:B=8
输入大小:Hin=96
现在根据文档中的方程式,对于重置门,我需要将权重乘以输入 x
。但是我的权重是二维的,而我的输入是三个维度的。
这是我尝试过的,我从输入中取出第一个 (8, 96)
矩阵并将其与权重矩阵的转置相乘:
Input (8, 96) x Weight (96, 288) = (8, 288)
然后我通过复制(288)
八次来添加偏差以给出(8, 288)
。这将使r(t)
的大小为(8, 288)
。同样,z(t)
也将是 (8, 288)
。
r(t)
用在 n(t)
中,因为使用了 Hadamard 乘积,所以要相乘的两个矩阵的大小必须与 (8, 288)
的大小相同。这意味着n(t)
也是(8, 288)
。
最后,h(t)
是 Hadamard 产生和矩阵加法,这将使 h(t)
的大小为 (8, 288)
,这是错误。
在这个过程中我哪里出错了?
【问题讨论】:
【参考方案1】:TLDR;这种混淆源于层的权重分别是 input_hidden 和 hidden-hidden 的串联。
- nn.GRU
层权重/偏置布局
您可以通过权重和偏差达到峰值来仔细查看inside the GRU layer 的实现torch.nn.GRU
。
>>> gru = nn.GRU(input_size=96, hidden_size=96, num_layers=1)
首先是GRU层的参数:
>>> gru._all_weights
[['weight_ih_l0', 'weight_hh_l0', 'bias_ih_l0', 'bias_hh_l0']]
您可以查看gru.state_dict()
以获取层权重字典。
我们有两个权重和两个偏差,_ih
代表'input-hidden',_hh
代表'hidden-hidden'。
为了更高效的计算,参数已经连接在一起,正如文档页面清楚地解释的那样(|
表示连接)。在此特定示例中,num_layers=1
和 k=0
:
~GRU.weight_ih_l[k]
– 层(W_ir | W_iz | W_in)
的可学习输入隐藏权重,形状为(3*hidden_size, input_size)
。
~GRU.weight_hh_l[k]
– 层(W_hr | W_hz | W_hn)
的可学习隐藏权重,形状为(3*hidden_size, hidden_size)
。
~GRU.bias_ih_l[k]
– 层 (b_ir | b_iz | b_in)
的可学习输入隐藏偏差,形状为 (3*hidden_size)
。
~GRU.bias_hh_l[k]
– (b_hr | b_hz | b_hn)
的可学习隐藏偏差。
为了进一步检查,我们可以使用以下代码将它们分开:
>>> W_ih, W_hh, b_ih, b_hh = gru._flat_weights
>>> W_ir, W_iz, W_in = W_ih.split(H_in)
>>> W_hr, W_hz, W_hn = W_hh.split(H_in)
>>> b_ir, b_iz, b_in = b_ih.split(H_in)
>>> b_hr, b_hz, b_hn = b_hh.split(H_in)
现在我们整理出了12张量参数。
- 表达式
GRU 层的四个表达式:r_t
、z_t
、n_t
和 h_t
,在每个时间步计算。
第一个操作是r_t = σ(W_ir@x_t + b_ir + W_hr@h + b_hr)
。我使用@
符号来指定矩阵乘法运算符(__matmul__
)。请记住W_ir
的形状为(H_in=input_size, hidden_size)
,而x_t
包含来自x
序列的步骤t
处的元素。张量x_t = x[t]
的形状为(N=batch_size, H_in=input_size)
。此时,它只是输入x[t]
和权重矩阵之间的矩阵乘法。生成的张量 r
的形状为 (N, hidden_size=H_in)
:
>>> (x[t]@W_ir.T).shape
(8, 96)
执行的所有其他权重乘法操作也是如此。因此,您最终会得到一个形状为 (N, H_out=hidden_size)
的输出张量。
在以下表达式中,h
是包含批次中每个元素的上一步隐藏状态的张量,即形状为(N, hidden_size=H_out)
,因为num_layers=1
,即只有一个隐藏层。
>>> r_t = torch.sigmoid(x[t]@W_ir.T + b_ir + h@W_hr.T + b_hr)
>>> r_t.shape
(8, 96)
>>> z_t = torch.sigmoid(x[t]@W_iz.T + b_iz + h@W_hz.T + b_hz)
>>> z_t.shape
(8, 96)
层的输出是计算的h
张量的串联
连续时间步长t
(在0
和L-1
之间)。
- 演示
这是手动计算的nn.GRU
推理的最小示例:
Parameters | Description | Values |
---|---|---|
H_in |
feature size | 3 |
H_out |
hidden size | 2 |
L |
sequence length | 3 |
N |
batch size | 1 |
k |
number of layers | 1 |
设置:
gru = nn.GRU(input_size=H_in, hidden_size=H_out, num_layers=k)
W_ih, W_hh, b_ih, b_hh = gru._flat_weights
W_ir, W_iz, W_in = W_ih.split(H_out)
W_hr, W_hz, W_hn = W_hh.split(H_out)
b_ir, b_iz, b_in = b_ih.split(H_out)
b_hr, b_hz, b_hn = b_hh.split(H_out)
随机输入:
x = torch.rand(L, N, H_in)
推理循环:
output = []
h = torch.zeros(1, N, H_out)
for t in range(L):
r = torch.sigmoid(x[t]@W_ir.T + b_ir + h@W_hr.T + b_hr)
z = torch.sigmoid(x[t]@W_iz.T + b_iz + h@W_hz.T + b_hz)
n = torch.tanh(x[t]@W_in.T + b_in + r*(h@W_hn.T + b_hn))
h = (1-z)*n + z*h
output.append(h)
最终输出由张量h
在连续时间步长的堆叠给出:
>>> torch.vstack(output)
tensor([[[0.1086, 0.0362]],
[[0.2150, 0.0108]],
[[0.3020, 0.0352]]], grad_fn=<CatBackward>)
在这种情况下,输出形状是(L, N, H_out)
,即(3, 1, 2)
。
你可以和output, _ = gru(x)
比较。
【讨论】:
非常感谢您的详细解释!我把连接运算符|
误认为是“或”,我真的很困惑。我在拆分权重后进行了计算,得到了(1000, 8, 96)
。在计算h_t = (1 - z_t) * n_t + z_t * h
时,由于z_t
和n_t
是(1000, 8, 96)
,那么h_t
怎么会是(1, 8, 96)
。与时间步长有关吗?
抱歉造成混淆,张量的形状确实是 (1, 8, 96)
或 (8, 96)`,因为这四个表达式中的每一个都是在每个时间步 t ∈ [0, L[
计算的。这意味着我们使用x[t]
(不是x
)来计算r_t
、z_t
、n_t
和h_t
。我已经编辑了我的答案并添加了应该清除形状问题的完整实现。感谢您指出这一点!
我使用你提到的循环对我的数据进行了计算,并将其与output, _ = gru(x)
进行了比较,两者都匹配。我只想提一下,小数点后 8 位的某些值存在差异,但这对我的用例来说完全没问题。再次感谢!以上是关于GRU 层中的计算是如何进行的的主要内容,如果未能解决你的问题,请参考以下文章
如何在 OBIEE 12c 中查看业务模型和映射层中的数据?