如何在 Keras 中实现 RNN 序列到序列学习？本文中，作者将尝试对这一问题做出简短解答；本文预设你已有一些循环网络和 Keras 的使用经验。
GitHub：https://github.com/fchollet/keras/blob/master/examples/lstm_seq2seq.py
什么是序列到序列学习？
序列到序列学习（Seq2Seq）是指训练模型从而把一个域的序列（比如英语语句）转化为另一个域的序列（比如法语中的对应语句）。
"the cat sat on the mat" -> [Seq2Seq model] -> "le chat etait assis sur le tapis"
Seq2Seq 可用于机器翻译或者省去问题回答——通常来讲，它可以随时生成文本。完成这一任务有很多方式，比如 RNN 或一维卷积。本文只介绍 RNN。
次要案例：当输入序列和输出序列长度相同
当输入序列和输出序列长度相同时，你可以通过 Keras LSTM 或者 GRU 层（或者其中的堆栈）简单地实现模型。这一实例脚本中的案例展示了如何教会 RNN 学习添加被编码为字符串的数字：
一般案例：标准的 Seq2Seq
一般情况下，输入序列和输出序列有不同的长度（比如机器翻译）。这就需要一个更高级的设置，尤其在没有进一步语境的「序列到序列模型」时。下面是其工作原理：
- 一个 RNN 层（或其中的堆栈）作为「编码器」：它处理输入序列并反馈其内部状态。注意我们抛弃了编码器 RNN 的输出，只恢复其状态。该状态在下一步中充当解码器的「语境」。
- 另一个 RNN 层作为「解码器」：在给定目标序列先前字母的情况下，它被训练以预测目标序列的下一个字符。具体讲，它被训练把目标序列转化为相同序列，但接下来被一个时间步抵消，这一训练过程在语境中被称为「teacher forcing」。更重要的是，编码器把其状态向量用作初始状态，如此编码器获得了其将要生成的信息。实际上，在给定 targets[...t] 的情况下，解码器学习生成 targets[t+1...]，前提是在输入序列上。
在推理模式中，即当要解码未知的输入序列，我们完成了一个稍微不同的处理：
- 把输入序列编码进状态向量
- 从大小为 1 的目标序列开始
- 馈送状态向量和 1 个字符的目标序列到解码器从而为下一字符生成预测
- 通过这些预测采样下一个字符（我们使用 argmax）
- 把采样的字符附加到目标序列
- 不断重复直至我们生成序列最后的字符或者达到字符的极限
相同的处理也可被用于训练没有「teacher forcing」的 Seq2Seq 网络，即把解码器的预测再注入到解码器之中。
一个 Keras 实例
让我们用实际的代码演示一下这些想法。
对于实例实现，我们将使用一对英语语句及其法语翻译的数据集，你可以从 http://www.manythings.org/anki/下载它，文件的名称是 fra-eng.zip。我们将会实现一个字符级别的序列到序列模型，逐个字符地处理这些输入并生成输出。另一个选择是单词级别的模型，它对机器学习更常用。在本文最后，你会发现通过嵌入层把我们的模型转化为单词级别模型的一些注释。
这是实例的全部脚本：https://github.com/fchollet/keras/blob/master/examples/lstm_seq2seq.py。
下面是这一过程的总结：
1. 把语句转化为 3 个 Numpy 数组 encoder_input_data、decoder_input_data、decoder_target_data：
- encoder_input_data 是一个形态的 3D 数组（num_pairs, max_english_sentence_length, num_english_characters），包含一个英语语句的独热向量化。
- decoder_input_data 是一个形态的 3D 数组（num_pairs, max_french_sentence_length, num_french_characters），包含一个法语语句的独热向量化。
- decoder_target_data 与 decoder_input_data 相同，但是被一个时间步抵消。decoder_target_data[:, t, :] 与 decoder_input_data[:, t + 1, :] 相同。
2. 在给定 encoder_input_data 和 decoder_input_data 的情况下，训练一个基本的基于 LSTM 的 Seq2Seq 模型以预测 decoder_target_data。我们的模型使用 teacher forcing。
3. 解码一些语句以检查模型正在工作。
由于训练过程和推理过程（解码语句）相当不同，我们使用了不同的模型，虽然两者具有相同的内在层。这是我们的模型，它利用了 Keras RNN 的 3 个关键功能：
- return_state 构造函数参数配置一个 RNN 层以反馈列表，其中第一个是其输出，下一个是内部的 RNN 状态。这被用于恢复编码器的状态。
- inital_state 调用参数指定一个 RNN 的初始状态，这被用于把编码器状态作为初始状态传递至解码器。
- return_sequences 构造函数参数配置一个 RNN 反馈输出的全部序列。这被用在解码器中。
from keras.models import Model
from keras.layers import Input, LSTM, Dense
# Define an input sequence and process it.
encoder_inputs = Input(shape=(None, num_encoder_tokens))
encoder = LSTM(latent_dim, return_state=True)
encoder_outputs, state_h, state_c = encoder(encoder_inputs)
# We discard `encoder_outputs` and only keep the states.
encoder_states = [state_h, state_c]
# Set up the decoder, using `encoder_states` as initial state.
decoder_inputs = Input(shape=(None, num_decoder_tokens))
# We set up our decoder to return full output sequences,
# and to return internal states as well. We don't use the
# return states in the training model, but we will use them in inference.
decoder_lstm = LSTM(latent_dim, return_sequences=True, return_state=True)
decoder_outputs, _, _ = decoder_lstm(decoder_inputs,
initial_state=encoder_states)
decoder_dense = Dense(num_decoder_tokens, activation='softmax')
decoder_outputs = decoder_dense(decoder_outputs)
# Define the model that will turn
# `encoder_input_data` & `decoder_input_data` into `decoder_target_data`
model = Model([encoder_inputs, decoder_inputs], decoder_outputs)
我们用这两行代码训练模型，同时在 20% 样本的留存集中监测损失。
# Run training
model.compile(optimizer='rmsprop', loss='categorical_crossentropy')
model.fit([encoder_input_data, decoder_input_data], decoder_target_data,
batch_size=batch_size,
epochs=epochs,
validation_split=0.2)
大约 1 小时后在 MacBook CPU 上，我们已准备好做推断。为了解码测试语句，我们将重复：
- 编码输入语句，检索初始解码器状态。
- 用初始状态运行一步解码器，以「序列开始」为目标。输出即是下一个目标字符。
- 附加预测到的目标字符并重复。
这是我们的推断设置：
encoder_model = Model(encoder_inputs, encoder_states)
decoder_state_input_h = Input(shape=(latent_dim,))
decoder_state_input_c = Input(shape=(latent_dim,))
decoder_states_inputs = [decoder_state_input_h, decoder_state_input_c]
decoder_outputs, state_h, state_c = decoder_lstm(
decoder_inputs, initial_state=decoder_states_inputs)
decoder_states = [state_h, state_c]
decoder_outputs = decoder_dense(decoder_outputs)
decoder_model = Model(
[decoder_inputs] + decoder_states_inputs,
[decoder_outputs] + decoder_states)
我们使用它实现上述推断循环（inference loop）：
def decode_sequence(input_seq):
# Encode the input as state vectors.
states_value = encoder_model.predict(input_seq)
# Generate empty target sequence of length 1.
target_seq = np.zeros((1, 1, num_decoder_tokens))
# Populate the first character of target sequence with the start character.
target_seq[0, 0, target_token_index['\t']] = 1.
# Sampling loop for a batch of sequences
# (to simplify, here we assume a batch of size 1).
stop_condition = False
decoded_sentence = ''
while not stop_condition:
output_tokens, h, c = decoder_model.predict(
[target_seq] + states_value)
# Sample a token
sampled_token_index = np.argmax(output_tokens[0, -1, :])
sampled_char = reverse_target_char_index[sampled_token_index]
decoded_sentence += sampled_char
# Exit condition: either hit max length
# or find stop character.
if (sampled_char == '\n' or
len(decoded_sentence) > max_decoder_seq_length):
stop_condition = True
# Update the target sequence (of length 1).
target_seq = np.zeros((1, 1, num_decoder_tokens))
target_seq[0, 0, sampled_token_index] = 1.
# Update states
states_value = [h, c]
return decoded_sentence
我们得到了一些不错的结果——这在意料之中，因为我们解码的样本来自训练测试。
Input sentence: Be nice.
Decoded sentence: Soyez gentil !
-
Input sentence: Drop it!
Decoded sentence: Laissez tomber !
-
Input sentence: Get out!
Decoded sentence: Sortez !
这就是我们的十分钟入门 Keras 序列到序列模型教程。完整代码详见 GitHub：https://github.com/fchollet/keras/blob/master/examples/lstm_seq2seq.py。
常见问题
1. 我想使用 GRU 层代替 LSTM，应该怎么做？
这实际上变简单了，因为 GRU 只有一个状态，而 LSTM 有两个状态。这是使用 GRU 层适应训练模型的方法：
encoder_inputs = Input(shape=(None, num_encoder_tokens))
encoder = GRU(latent_dim, return_state=True)
encoder_outputs, state_h = encoder(encoder_inputs)
decoder_inputs = Input(shape=(None, num_decoder_tokens))
decoder_gru = GRU(latent_dim, return_sequences=True)
decoder_outputs = decoder_gru(decoder_inputs, initial_state=state_h)
decoder_dense = Dense(num_decoder_tokens, activation='softmax')
decoder_outputs = decoder_dense(decoder_outputs)
model = Model([encoder_inputs, decoder_inputs], decoder_outputs)
2. 我想使用整数序列的单词级别模型，应该怎么做？
如果你的输入是整数序列（如按词典索引编码的单词序列），你可以通过 Embedding 层嵌入这些整数标记。方法如下：
# Define an input sequence and process it.
encoder_inputs = Input(shape=(None,))
x = Embedding(num_encoder_tokens, latent_dim)(encoder_inputs)
x, state_h, state_c = LSTM(latent_dim,
return_state=True)(x)
encoder_states = [state_h, state_c]
# Set up the decoder, using `encoder_states` as initial state.
decoder_inputs = Input(shape=(None,))
x = Embedding(num_decoder_tokens, latent_dim)(decoder_inputs)
x = LSTM(latent_dim, return_sequences=True)(x, initial_state=encoder_states)
decoder_outputs = Dense(num_decoder_tokens, activation='softmax')(x)
# Define the model that will turn
# `encoder_input_data` & `decoder_input_data` into `decoder_target_data`
model = Model([encoder_inputs, decoder_inputs], decoder_outputs)
# Compile & run training
model.compile(optimizer='rmsprop', loss='categorical_crossentropy')
# Note that `decoder_target_data` needs to be one-hot encoded,
# rather than sequences of integers like `decoder_input_data`!
model.fit([encoder_input_data, decoder_input_data], decoder_target_data,
batch_size=batch_size,
epochs=epochs,
validation_split=0.2)
3. 如果我不想使用「teacher forcing」，应该怎么做？
一些案例中可能不能使用 teacher forcing，因为你无法获取完整的目标序列，比如，在线训练非常长的语句，则缓冲完成输入-目标语言对是不可能的。在这种情况下，你要通过将解码器的预测重新注入解码器输入进行训练，就像我们进行推断时所做的那样。
你可以通过构建硬编码输出再注入循环（output reinjection loop）的模型达到该目标：
from keras.layers import Lambda
from keras import backend as K
# The first part is unchanged
encoder_inputs = Input(shape=(None, num_encoder_tokens))
encoder = LSTM(latent_dim, return_state=True)
encoder_outputs, state_h, state_c = encoder(encoder_inputs)
states = [state_h, state_c]
# Set up the decoder, which will only process one timestep at a time.
decoder_inputs = Input(shape=(1, num_decoder_tokens))
decoder_lstm = LSTM(latent_dim, return_sequences=True, return_state=True)
decoder_dense = Dense(num_decoder_tokens, activation='softmax')
all_outputs = []
inputs = decoder_inputs
for _ in range(max_decoder_seq_length):
# Run the decoder on one timestep
outputs, state_h, state_c = decoder_lstm(inputs,
initial_state=states)
outputs = decoder_dense(outputs)
# Store the current prediction (we will concatenate all predictions later)
all_outputs.append(outputs)
# Reinject the outputs as inputs for the next loop iteration
# as well as update the states
inputs = outputs
states = [state_h, state_c]
# Concatenate all predictions
decoder_outputs = Lambda(lambda x: K.concatenate(x, axis=1))(all_outputs)
# Define and compile model as previously
model = Model([encoder_inputs, decoder_inputs], decoder_outputs)
model.compile(optimizer='rmsprop', loss='categorical_crossentropy')
# Prepare decoder input data that just contains the start character
# Note that we could have made it a constant hard-coded in the model
decoder_input_data = np.zeros((num_samples, 1, num_decoder_tokens))
decoder_input_data[:, 0, target_token_index['\t']] = 1.
# Train model as previously
model.fit([encoder_input_data, decoder_input_data], decoder_target_data,
batch_size=batch_size,
epochs=epochs,
validation_split=0.2)
