keras - 理解 GRU 架构 - Keras

Question

我正在使用 Mycroft AI 唤醒词检测，并试图了解网络的维度。以下几行显示了 Keras 中的模型:

model = Sequential()
model.add(GRU(
        params.recurrent_units, activation='linear',
        input_shape=(pr.n_features, pr.feature_size), dropout=params.dropout, name='net'))
model.add(Dense(1, activation='sigmoid'))

我的特征的大小为 29*13。 GRU 层有 20 个单元。我现在的问题是，我的模型如何在 GRU 层中有 2040 个可学习参数？单元是如何连接的？也许我对 GRU 网络的整体理解是错误的，但我只能找到单个单元的解释，而没有找到完整网络的解释。 GRU 网络是否完全连接？
谢谢你!

Network Architecture

Answer 1

首先，对于一般的 RNN，时间维度可以是任意的。对于您的情况，这意味着数字 29 不起作用。数字 2040 完全由数字 13(特征)和 20(GRU 中的单位)组成。

要了解数字的来源，请查看来自 wikipedia 的这张图片:



这就是基本 GRU 单元格的样子。
要了解变量的维度，请查看同一维基百科文章中的此公式:



要理解这一点，您只需要知道输入向量 x[t]在您的案例中具有维度 13，并且内部状态和输出 h[t], r[t], z[t], y[t]有维度 20。如您所见，有几个地方使用了维度参数。所以，我个人不喜欢用“单位”这个词来形容它，因为它暗示里面有 20 个“东西”。事实上，它只是内部状态、矩阵和偏差的维度:

有了这些知识，并且知道公式中的维度必须匹配，您可以推导出 W矩阵必须有维度 20 x 13和 U matices 必须有维度 20 x 20 .偏见 b必须有尺寸 20 .

然后参数的总数计算为

#Params = 3 * dim(W)
        + 3 * dim(U)
        + 3 * dim(b)
        = 3 * 20*13 + 3 * 20*20 + 3 * 20
        = 2040

为了更深入地了解 RNN 在 Keras 中的工作原理，我强烈推荐 this question 的答案.它说它是关于 LSTM 的，但那里所说的一切也适用于 GRU。