参考来源：
知乎：一文搞懂RNN（循环神经网络）基础篇
知乎：完全图解RNN、RNN变体、Seq2Seq、Attention机制
零基础入门深度学习(5) - 循环神经网络
CSDN：深度学习之RNN(循环神经网络)
CSDN：RNN

RNN（Recurrent Neural Network）是一类用于处理序列数据的神经网络。首先我们要明确什么是序列数据，摘取百度百科词条：时间序列数据是指在不同时间点上收集到的数据，这类数据反映了某一事物、现象等随时间的变化状态或程度。这是时间序列数据的定义，当然这里也可以不是时间，比如文字序列，但总归序列数据有一个特点——后面的数据跟前面的数据有关系。

一、从单层网络谈起

在学习 RNN 之前，首先要了解一下最基本的单层网络，它的结构如图：
image.png
输入是 x ，经过变换 Wx+b 和激活函数 f 得到输出 y 。相信大家对这个已经非常熟悉了。

二、经典的RNN结构（N vs N）

在实际应用中，我们还会遇到很多序列形的数据：
image.png
如：

  • 自然语言处理问题。x**1 可以看做是第一个单词，x**2 可以看做是第二个单词，依次类推。
  • 语音处理。此时，x1、x2、x3 …… 是每帧的声音信号。
  • 时间序列问题。例如每天的股票价格等等

序列形的数据就不太好用原始的神经网络处理了。为了建模序列问题，RNN 引入了隐状态 h（hidden state）的概念，h 可以对序列形的数据提取特征，接着再转换为输出。先从 h**1** 的计算开始看：
image.png
图示中记号的含义是：

  • 圆圈或方块表示的是向量。
  • 一个箭头就表示对该向量做一次变换。如上图中 h0 和 x1 分别有一个箭头连接，就表示对 h0 和 x1 各做了一次变换。

在很多论文中也会出现类似的记号，初学的时候很容易搞乱，但只要把握住以上两点，就可以比较轻松地理解图示背后的含义。
h2 的计算和 h1 类似。要注意的是，在计算时，每一步使用的参数 U、W、b 都是一样的，也就是说每个步骤的参数都是共享的，这是 RNN 的重要特点，一定要牢记。
image.png
依次计算剩下来的（使用相同的参数 U、W、b ）：
image.png
我们这里为了方便起见，只画出序列长度为 4 的情况，实际上，这个计算过程可以无限地持续下去。
我们目前的 RNN 还没有输出，得到输出值的方法就是直接通过 h 进行计算：
image.png
正如之前所说，一个箭头就表示对对应的向量做一次类似于 f(Wx+b) 的变换，这里的这个箭头就表示对 h1 进行一次变换，得到输出 y1 。
剩下的输出类似进行（使用和 y1 同样的参数 V 和 c ）：
image.png
OK！大功告成！这就是最经典的 RNN 结构，我们像搭积木一样把它搭好了。它的输入是 x**1 , x2 , ….. xn ，输出为 y1 , y2 , ….. y**n ，也就是说，输入和输出序列必须要是等长的。
由于这个限制的存在，经典 RNN 的适用范围比较小，但也有一些问题适合用经典的 RNN 结构建模，如：

  • 计算视频中每一帧的分类标签。因为要对每一帧进行计算，因此输入和输出序列等长。
  • 输入为字符，输出为下一个字符的概率。这就是著名的 Char RNN（详细介绍请参考：The Unreasonable Effectiveness of Recurrent Neural Networks，Char RNN 可以用来生成文章，诗歌，甚至是代码，非常有意思）。

三、N VS 1

有的时候，我们要处理的问题输入是一个序列，输出是一个单独的值而不是序列，应该怎样建模呢？实际上，我们只在最后一个 h 上进行输出变换就可以了：
image.png
这种结构通常用来处理序列分类问题。如输入一段文字判别它所属的类别，输入一个句子判断其情感倾向，输入一段视频并判断它的类别等等。

四、1 VS N

输入不是序列而输出为序列的情况怎么处理？
我们可以只在序列开始进行输入计算：
image.png
还有一种结构是把输入信息 X 作为每个阶段的输入：
image.png
下图省略了一些 X 的圆圈，是一个等价表示：
image.png
这种 1 VS N 的结构可以处理的问题有：

  • 从图像生成文字（image caption），此时输入的 X 就是图像的特征，而输出的 y 序列就是一段句子
  • 从类别生成语音或音乐等

五、N vs M

下面我们来介绍 RNN 最重要的一个变种：N vs M 。这种结构又叫 Encoder-Decoder 模型，也可以称之为 Seq2Seq 模型。
原始的 N vs N RNN 要求序列等长，然而我们遇到的大部分问题序列都是不等长的，如机器翻译中，源语言和目标语言的句子往往并没有相同的长度。
为此，Encoder-Decoder 结构先将输入数据编码成一个上下文向量 c：
image.png
得到 c 有多种方式，最简单的方法就是把 Encoder 的最后一个隐状态赋值给 c ，还可以对最后的隐状态做一个变换得到 c ，也可以对所有的隐状态做变换。
拿到 c 之后，就用另一个 RNN 网络对其进行解码，这部分 RNN 网络被称为 Decoder 。具体做法就是将 c 当做之前的初始状态 h0 输入到 Decoder 中：
image.png
还有一种做法是将 c 当做每一步的输入：
image.png
由于这种 Encoder-Decoder 结构不限制输入和输出的序列长度，因此应用的范围非常广泛，比如：

  • 机器翻译。Encoder-Decoder 的最经典应用，事实上这一结构就是在机器翻译领域最先提出的
  • 文本摘要。输入是一段文本序列，输出是这段文本序列的摘要序列。
  • 阅读理解。将输入的文章和问题分别编码，再对其进行解码得到问题的答案。
  • 语音识别。输入是语音信号序列，输出是文字序列。
  • …………

六、Attention机制

在 Encoder-Decoder 结构中，Encoder 把所有的输入序列都编码成一个统一的语义特征 c 再解码，因此， c 中必须包含原始序列中的所有信息，它的长度就成了限制模型性能的瓶颈。如机器翻译问题，当要翻译的句子较长时，一个 c 可能存不下那么多信息，就会造成翻译精度的下降。
Attention 机制通过在每个时间输入不同的 c 来解决这个问题，下图是带有 Attention 机制的 Decoder：
image.png
每一个 c 会自动去选取与当前所要输出的 y 最合适的上下文信息。具体来说，我们用 aij 衡量 Encoder 中第 j 阶段的 hj 和解码时第i阶段的相关性，最终 Decoder 中第 i 阶段的输入的上下文信息 ci 就来自于所有 hj 对 aij 的加权和。
以机器翻译为例（将中文翻译成英文）：
image.png
输入的序列是“我爱中国”，因此，Encoder 中的 h1、h2、h3、h4 就可以分别看做是“我”、“爱”、“中”、“国”所代表的信息。在翻译成英语时，第一个上下文c1应该和“我”这个字最相关，因此对应的 a11 就比较大，而相应的 a12 、 a13 、 a14 就比较小。c2 应该和“爱”最相关，因此对应的 a22 就比较大。最后的 c3 和 h3、h4 最相关，因此 a33 、 a34 的值就比较大。
至此，关于Attention模型，我们就只剩最后一个问题了，那就是：这些权重 aij 是怎么来的？
事实上， aij 同样是从模型中学出的，它实际和Decoder的第i-1阶段的隐状态、Encoder第j个阶段的隐状态有关。
同样还是拿上面的机器翻译举例， a1j 的计算（此时箭头就表示对h’和 hj 同时做变换）：
image.png
a2j 的计算：
image.png
a3j 的计算：
image.png
以上就是带有Attention的Encoder-Decoder模型计算的全过程。

七、总结

本文主要讲了N vs N，N vs 1、1 vs N、N vs M四种经典的RNN模型，以及如何使用Attention结构。希望能对大家有所帮助。
可能有小伙伴发现没有LSTM的内容，其实是因为LSTM从外部看和RNN完全一样，因此上面的所有结构对LSTM都是通用的，想了解LSTM内部结构的可以参考这篇文章：Understanding LSTM Networks，写得非常好，推荐阅读。