四、门控循环单元GRU
建议看本篇时，一定一定要把前面的LSTM先看看：【NLP】第三章：长短期记忆网络LSTM-CSDN博客 ,当你对LSTM的各个方面的细节都清晰了，GRU就是闭眼就会的，就是秒懂的，而且以后你再听到什么门就不再迷惑了。也正是因为LSTM我写的太详细了，所以本篇的GRU我就简单说一下重点就过了。
门控循环单元Gated Recurrent Unit，GRU，是在LSTM基础上改进的，所以它也是LSTM的一个变体。 GRU是在2014年Cho,etal.《Empirical Evaluation of Gated Recurrent Neural Networks on Sequence Modeling》(门控循环神经网络在序列建模上的实证评估)论文中提出的，是目前非常流行的一个变体，因为它比LSTM网络要简单，但在某些情况能产生同样出色的效果，所以非常受欢迎。
1、GRU原理及架构
上图是GRU的计算过程。我在网上看很多解读GRU的文章，感觉非常凌乱，一个人一个说法。而且上面左图的数据流图让人看了也很懵(当然当你懂的时候你不会懵，但当你是一个新手，第一时间看到它还是感觉很懵的)，所以建议也不要看左图，直接理解右图的公式就行。
按照LSTM的分析逻辑，我这里总结下面几点：
（1）上图就是GRU网络的一个重复模块。有的资料叫节点，有的叫单元，有的叫循环单元，，，等等各种叫法，所以我们也不用纠结。这里我叫重复模块也是我自己沿用LSTM中的叫法。所以GRU也是和RNN、LSTM一样，都是重复模块在时序维度上的串联结构。
（2）GRU模块的输入只有ht-1和xt。ht-1就可以理解为记忆信息。xt就是时序样本了。
（3）GRU模块的输出只有ht，也就是记忆信息了。
GRU的输入输出都比LSTM简单，LSTM还有一个Ct，就是所谓的长期记忆。而GRU没有分所谓的长期信息、短期信息，只有一条ht，叫隐藏信息。
（4）GRU模块只有两个门结构。一个叫重置门(reset gate)，一个叫更新门(update gate)。
我个人认为真是没必要纠结这两个门的名称，甚至不用纠结他们的功能有啥区别。因为你单单从名称上看，重置和更新这两个词有啥区别？！似乎没有吧。而看网上很多资料也是解读的五花八门。比如重置门，有人说"用于控制之前的记忆需要保留多少"。而别的人又说"重置门主要决定了到底有多少过去的信息需要遗忘"。哎，笑一会儿，本来记忆和遗忘就是一体两面，非此即彼的。所以一个人一种话术，一篇博客一种理解。所以我就说，我们就不要纠结名称，也不要纠结功能了。
从上图的公式看，其实这两个门，仅仅是两个门而已，它们两个的计算一模一样，输入一模一样，只是使用了两个不同的矩阵线性变换了一下，而且这两个矩阵都是随机生成的，只有在训练过程中，这两个门才会慢慢迭代成其功能的门。所以现在这两个门，从架构上看只是两个全连接线性层而已，从数学的角度看只是两个系数矩阵而已。
（5）GRU的原理是：学一个重置门rt，让rt先过滤一遍输入的记忆信息ht-1，然后把过滤后的记忆信息和本时间步样本数据一起，用一个线性层+tanh学习一下，变成新的记忆信息ht漂。
然后再学习一个更新门zt，如果说zt是要记住的系数，那1-zt就是要遗忘的系数。
一是，用1-zt乘以更新前的ht-1，就表示该忘记的就彻底忘记了吧，就是又加强了一次忘记。
二是，用zt乘以ht漂，就表示该记住的就一定要记牢，就是又加强了一次记忆。
最后，把"该忘记的就干脆彻底的忘记、该牢记的就是加强记忆"的记忆信息ht输出即可。
（如果说zt是要遗忘的系数，那1-zt就是要记住的系数。
1-zt乘以更新前的ht-1，就表示该记住的就一定要记牢，就是又加强了一次记忆。
zt乘以ht漂，就表示该忘记的就彻底忘记了吧，就是又加强了一次忘记。
最后也是把"该忘记的就干脆彻底的忘记、该牢记的就是加强记忆"的记忆信息ht输出即可。)
2、pytorch中实现GRU的数据流
GRU的原理基本上就是这样的。我们下面看看pytorch中实现GRU的数据流，来印证我们上面说的原理。
在pytorch.nn下面也有GRU类torch.nn.GRU。我们看看pytorch是如何实现GRU的，也就是从代码角度看看它的数据流：
上图我手动计算出来的结果和pytorch计算出来的结果一模一样。说明我们理解的原理没错。但是这里想说的是，这里其实有两个坑，害我找了好半天：
左边的公式是我们讲原理时用的公式，但是pytorch使用的公式是右边截图中的公式。两边还是有一些差异的，不知道是pytorch开发人员的失误还是理解错误，A处的公式到B处，它就给ht-1和ht漂换了个位置。这也就是为什么我一开始就强调不要去纠结是遗忘还是忘记，因为遗忘就等于1-记住，记住=1-遗忘，所以就别区分到底是忘记了还是记住了。
第二个坑就是上图的C处，我一开始先计算的rt*ht-1，然后再进行线性变换，一看结果对不上，查看GRU的说明文档才发现，pytorch老人家是先线性变换后再乘rt的。
这算是踩的两个坑吧。从这两个坑也可以看出，其实没有特别肯定的做法，每个人都是按照自己的理解去做的。
最后说一嘴，网上很多资料还经常提到GRU是如何避免梯度消失的？如果说lstm是因为并联三条线路来避免梯度消失，那GRU就是利用遗忘=1-记忆，或者说记忆=1-遗忘，这个巧妙地设计来避免梯度消失的。
个人感觉没有其他要深究的了，知道它的数据流，会用，知道可能出现的问题症结在哪里就可以了，其他就没有什么要探索了。本篇是最简单最短的一篇文章了，因为所有的细节在LSTM中都详细解释过了，没必要一遍遍的重复了。
最后总结一个LSTM和GRU的终极版数据流：
（1）LSTM
（2）GRU
至此可以说RNN一族的架构就算是讲解完毕了。
以后再遇到有谁说RNN循环网络，指的就是我们这三章里面讲的Simple RNN-> LSTM-> GRU这三个算法，当然它们都还有stacked就是深度deep rnn->deep lstm->deep gru，以及双向的bi-rnn->bi-lstm->bi-gru，这些都是循环网络RNN一族的算法。
后面开讲处理序列数据的另外一族算法——Transformer一族，是目前NLP领域中占据着统治地位的一族算法。
