LSTM 和GRU的区别

先给出一些结论：

GRU和LSTM的性能在很多任务上不分伯仲。

GRU 参数更少因此更容易收敛，但是数据集很大的情况下，LSTM表达性能更好。

从结构上来说，GRU只有两个门（update和reset），LSTM有三个门（forget，input，output），GRU直接将hidden state 传给下一个单元，而LSTM则用memory cell 把hidden state 包装起来。

1. 基本结构

1.1 GRU

GRU的设计是为了更好的捕捉long-term dependencies。我们先来看看输入ht−1和x(t), GRU怎么通过计算输出h(t)：



Reset gate

r(t) 负责决定h(t−1) 对new memory h^(t) 的重要性有多大， 如果r(t) 约等于0 的话，h(t−1) 就不会传递给new memory h^(t)

new memory

h^(t) 是对新的输入x(t) 和上一时刻的hidden state h(t−1) 的总结。计算总结出的新的向量h^(t) 包含上文信息和新的输入x(t).

Update gate

z(t) 负责决定传递多少ht−1给ht 。 如果z(t) 约等于1的话，ht−1 几乎会直接复制给ht ，相反，如果z(t) 约等于0， new memory h^(t) 直接传递给ht.

Hidden state:

h(t) 由 h(t−1) 和h^(t) 相加得到，两者的权重由update gate z(t) 控制。

​

1.2 LSTM

LSTM 的设计也是为了更好的捕捉long-term dependencies，但是结构上有一些不同，更复杂一些，我们想来看看计算过程：



new memory cell

这一步和GRU中的new memory类似，输出的向量c^(t)都是对新的输入x(t) 和上一时刻的hidden state h(t−1) 的总结。

Input gate

i(t)负责决定输入的x(t) 信息是否值得保存。

Forget gate

f(t)负责决定past memory cell c^(t−1)对c(t) 的重要性。

final memory cell

c(t) 由c^(t−1) 和c^(t) 相加得到，权重分别由 Forget gate 和Input gate 决定

Output gate

这个门是GRU没有的。它负责决定c(t) 中的哪些部分应该传递给hidden state h(t)

2. 区别

1. 对memory 的控制

LSTM： 用output gate 控制，传输给下一个unit

GRU：直接传递给下一个unit，不做任何控制

2. input gate 和reset gate 作用位置不同

LSTM: 计算new memory c^(t)时 不对上一时刻的信息做任何控制，而是用forget gate 独立的实现这一点

GRU: 计算new memory h^(t) 时利用reset gate 对上一时刻的信息 进行控制。

3. 相似

最大的相似之处就是， 在从t 到 t-1 的更新时都引入了加法。

这个加法的好处在于能防止梯度弥散，因此LSTM和GRU都比一般的RNN效果更好。

Reference：

1. https://cs224d.stanford.edu/lecture_notes/LectureNotes4.pdf

2. Empirical Evaluation of Gated Recurrent Neural Networks on Sequence Modeling

3. https://feature.engineering/difference-between-lstm-and-gru-for-rnns/