iT邦幫忙

第 12 屆 iThome 鐵人賽

1
自我挑戰組

AI 高中生的自我學習系列 第 22

Day 22 - 天眼CNN 的耳朵和嘴巴 - RNN(3) -GRU

  • 分享至 

  • xImage
  •  

GRU vs. LSTM

LSTM 在一個單一單元中要完成很多的操作。當使用更大的網絡時,與循環神經網絡RNN相比,訓練時間將顯著地增加。如果想要減少你的訓練時間,但同時也使用一個能記住長期依賴關係的網絡,那麼還有另一個替代LSTM網絡的方法,它被稱為門控循環單元(GRU)。
原文網址

Gated Recurrent Unit (GRU)

LSTM 有個問題就是執行速度較慢,GRU 則是在 2014 年由韓國科學家 Kyunghyun Cho 在加拿大蒙特羅大學於 Yoshua Bengio 實驗室做博士後研究時所發表,用來加快執行速度及減少記憶體的耗用。

再看一下LSTM : Understanding LSTM Networks
https://ithelp.ithome.com.tw/upload/images/20201220/20130601Sd28RTd62Z.png

門控循環單元 GRU

https://ithelp.ithome.com.tw/upload/images/20201220/20130601sjoyLVzHns.png

GRU 則將 LSTM 中的遺忘門 (forget gate) 與輸入門 (input gate) 用一個更新門 (update gate) 取代,並把單元狀態 (cell state) 和隱藏狀態 (ht) 進行合併,計算新資訊的方式和 LSTM 也有所不同。與LSTM網絡不同的是,GRU沒有單元狀態,並且有2個門而不是3個(忘記、更新和輸出)。

GRU使用一個更新門和一個重置門。更新門決定了應該讓多少之前的信息通過,而重置門則決定了應該丟棄多少之前的信息。 在上面的圖中,z_t表示更新門操作,通過使用一個sigmoid函數,我們決定讓哪些之前的信息通過。h_t表示重置門操作,我們將前一時間步驟和當前時間步驟的連接值與r_t相乘。這將產生我們希望從前一時間步驟中所放棄的值。

儘管門控循環單元在計算效率上比LSTM網絡要高,但由於門的數量減少,它在表現方面仍然排在LSTM網絡之後。因此,當我們需要更快地訓練並且手頭沒有太多計算資源的情況下,還是可以選擇使用門控循環單元的。
原文網址

這部影片link則用詳細的步驟來拆解 GRU,值得一看。
比較長短期記憶模型 (LSTM) 與改良後的遞歸神經網路模型:GRU

註:本文是搜尋數個網站及各種不同來源之結果,著重在學習,有些內容已難辦別出處,我會儘可能列入出處,若有疏忽或出處不可考,請聯絡我, 我會列入, 尚請見諒。

上一篇
Day 21 - 天眼CNN 的耳朵和嘴巴 - RNN(2) -LSTM
下一篇
Day 23 - 天眼CNN 的耳朵和嘴巴 - Transformer
系列文
AI 高中生的自我學習30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言