子曰：“温故而知新，可以为师矣。” --《论语 为政》
老祖宗的话真香啊。今天复习以前学习的知识点的时候，看到LSTM，也算是一个八股文高频考点了，于是把自己以前写的旧文干货！RNN、LSTM、GRU学习笔记拿出来看了一下，发现还是不够透彻，文章中对一些关键状态的含义，以及为什么要这么做没有解析的很透彻，这样导致学习完容易忘，今天看完又深入看了一下，又有了一些新的理解，忍不住要写出来，相当于打了一剂加强针，果然是温故而知新啊！真香！
干货！RNN、LSTM、GRU学习笔记中基本已经把大部分的公式和原理说了一遍，今天我们跳出来问自己几个问题？把这个知识点再串一串，看看能不能拥有进一寸的欢喜。
Why RNN？
我们学习RNN系列模型的时候，一定不要忘记最开始最有可能要问的一个问题：我们为什么需要RNN？之前的文章中也有详细说过，这里一句话总结：因为彼时我们需要一个能处理序列信息的模型。
于是他来了。
公式咱这先不看，它为什么就长这样呢？首先你要处理序列信息，就会涉及到时间问题，就会有先后顺序，所以需要区分时间步，所以有t的存在，然后光有t还不行啊，就像ABC三个人要赶制一个精美的木雕，大家规定好了，三班倒一人八小时，A在前八小时干了一些活，这个雕塑的基本形状有了，他得把这个木憨憨交给B继续雕啊，所以需要把他做的一个成果传给下一个人，s(t-1)就是这个载体，他要把这个状态传递给下一个时刻，这样之前序列的信息才能被当前的时刻用上。同样的的道理，当前时刻也要把当前时刻的产出的状态传递给下一个时刻，依此类推。同时基于当前的这个s(t)我们还可以经过一定变化，给一个输出，我们可以理解B给自己第一天晚上做的木憨憨拍了个照，到时候可以拿着这个快照去领工钱或者做其他事，这个就是O(t)。于是大家各司其职开始干起来了。
Why LSTM？
按理说ABC三个工人按照这样的机制，很快就能完成木雕的任务啊。但是，啊哈，总有幺蛾子出来，啥幺蛾子呢，A在第一天下班的时候，走的时候跟B说，“按照客户国字脸双眼皮的要求，我已经把木雕的国字脸搞出来了哈，你继续完善一下就好了。”，没想到这个B啊，搞着搞着搞忘了，就搞成瓜子脸了，这尼玛就有点离谱了，更离谱的是，B下班交接的时候跟C说要C把双眼皮雕出来，C也是半夜加班眼睛昏花脑子浆糊，把眼皮搞成单眼皮了，这尼玛就尴尬了，等A再来接班的时候他都崩溃了。。。。
故事编到这，我们回到RNN，由于RNN在长距离追踪的时候可能会出现梯度消失和梯度爆炸的风险（详见干货！RNN、LSTM、GRU学习笔记，累乘导致），就相当于B忘了A的交代一样，信息传递就会不准确甚至丢失，于是LSTM在RNN的基础上进行了改进，想要提高RNN的长距离信息记忆能力，于是有了LSTM（长的短时记忆网络，这个名字好好体会。）
那他是通过怎么样的方式来解决长距离记忆的问题的呢？不要着急，这一次我们把一个LSTM单元看成一个黑盒来看，它的输入和输出分别是什么，我们有必要搞明白：
在这中间继续编一小段故事，ABC 经历了上面的事之后商议出来一份规则：我们之间啊要有一个作品实现的草图，这个草图上呢画了前面所有人的构想和规划，当前雕刻的人假设是B，来接班的时候呢会接收到这个单子，上面有A画了一部分的轮廓图，跟草图一起交接的还有A雕了一半的那个木雕实体，接收之后B可以对它的这个草图中的某些部分进行取舍修改，画上自己构想的那一部分，同时还需要按照自己的能力进一步雕刻作品，然后再拿着草图和半成品交给C。这样来保证大家的工作。
按照上面的小故事，我们继续来看LSTM的输入：
- 当前时刻的输入x_t（B今天来上班的灵感、想法和状态）；
- 上一时刻整个单元的输出h_t-1（A交接给B的木雕半成品）；
- 上一时刻延续下来的长期状态c_t-1（A交接给B的草图单子）；
B早上来上班，看着A做了一半的木憨憨，和B的草图，还是决定擦去A画的国字脸，改为瓜子脸，但是保留A画的双眼皮，加上了一个张开的耳朵（B今天的灵感），然后又开始做了，最后传给C的图上是有瓜子脸、双眼皮和大耳朵的，当然木雕本体还是更加丰富一些。
输出：
- 当前时刻的单元输出h_t（B雕过的木雕）；
- 当前时刻之后的长期状态c_t（B改过的草图）；
这么对照着我们就发现B需要在这个过程中做几件事：
- 删除原有草图中自己不满意的国字脸并保留其他部分（遗忘门）；
- 在草图中加入今天的灵感-大耳朵（输入门）；
- 按现有进度实际雕刻（输出门）。
我们可以参考详解LSTM一文中的图来进行理解：
你品，你仔细品，如果还不够，我们再把原先的图拿过来，对照着品：
这个字有点大，先凑活看吧。你品，你细品。再对照这一堆公式来看：
三个控制门均采用sigmoid函数激活来控制各部分的贡献量，这一套下来，是不是就基本可以保障这个信息可以传承了，但是怎么去避免RNN出现的梯度消失或者爆炸问题呢，这个问题还是回到我这一篇干货！RNN、LSTM、GRU学习笔记中的LSTM如何解决传统RNN梯度消失/爆炸的问题？章节寻找详细答案吧。简单来说其实还是因为使用带sigmoid激活函数的门控结构带来的好处。
Why RGU？
直接先给答案：参数多，训练成本大，过拟合风险高。看上面那堆公式不难发现有八套参数（W），这家伙能不能既能实现LSTM的效果还能参数量稍微小一点呢？于是GRU来了，GRU将原先LSTM的输入门和遗忘门合并成更新门，另外还有一个重置门，看一下核心公式就知道了：
还是原先的那个形态是不是，通过一个更新门Z把输入和遗忘全包了，其中h‘其中又应用了重置门来控制输入。
相当于原先A交接给B的两样东西变成了一样东西。因为图纸和实物本身也有大量信息重合的点啊。
这一部分的细节在中已经说明了关键点，这里不再赘述，放一个公式(途中公式有上标错误)就可以很明显地看明白，核心还是LSTM那点东西。
参数6套(不算y_t部分)，的确是少了哈，哈哈哈哈哈哈哈。
行行行，今天就到这吧，这是温故知新的第一篇，期待后面还会有温故知新的部分。
参考文章：
干货！RNN、LSTM、GRU学习笔记
人人都能看懂的LSTM
人人都能看懂的GRU
详解LSTM