01Overall Concept
ไอเดียหลัก — GRU ใช้ update gate ผสม state เดิมกับ candidate และ reset gate ควบคุมการใช้ความจำเก่า จึงลดจำนวนพารามิเตอร์จาก LSTM แต่ยังจัดการ gradient ระยะยาวได้ดี
ลองนึกภาพว่า — เหมือนบันทึกย่อหน้าเดียวที่เลือกว่าจะเก็บของเดิมมากเท่าไรและจะล้างบริบทก่อนเขียนใหม่แค่ไหน
ตัวอย่างการนำไปใช้ — พยากรณ์อนุกรม จำแนกลำดับ และโมเดล sequence ที่ต้องการความกระชับ
02อธิบายภาษาคนเข้าใจง่ายๆ
Gated Recurrent Unit เริ่มจากคำถามง่าย ๆ ว่า รวมความจำกับ hidden state แล้วใช้สองประตูควบคุมการอัปเดต วิธีนี้ไม่ได้มองข้อมูลทุกชนิดเหมือนกัน จึงต้องเตรียมข้อมูลให้ตรงกับสิ่งที่อัลกอริทึมใช้คำนวณ
เหมือนบันทึกย่อหน้าเดียวที่เลือกว่าจะเก็บของเดิมมากเท่าไรและจะล้างบริบทก่อนเขียนใหม่แค่ไหน ภาพเปรียบเทียบนี้ช่วยจำแก่นของวิธี แต่ตอนใช้งานจริงคอมพิวเตอร์ทำงานกับตัวเลขและกฎที่กำหนดไว้อย่างชัดเจน
GRU ใช้ update gate ผสม state เดิมกับ candidate และ reset gate ควบคุมการใช้ความจำเก่า จึงลดจำนวนพารามิเตอร์จาก LSTM แต่ยังจัดการ gradient ระยะยาวได้ดี พารามิเตอร์หลักใน Playground คือ จำนวน GRU units เมื่อเลื่อนค่า ระบบจะคำนวณผลใหม่จากข้อมูลชุดเดิม จึงเปรียบเทียบการเปลี่ยนแปลงได้ตรง ๆ
ข้อมูลตัวอย่างบนหน้าใช้รูปแบบ tensor batch × timesteps × features · ตัวอย่างขนาดเล็กที่ทำซ้ำได้ เราแยกสิ่งที่อัลกอริทึมรับเข้าออกจากผลลัพธ์ เพื่อไม่เผลอส่งข้อมูลคำตอบหรือข้อมูลอนาคตเข้าไปตอนฝึก
งานที่เหมาะ เช่น พยากรณ์อนุกรม จำแนกลำดับ และโมเดล sequence ที่ต้องการความกระชับ ก่อนใช้จริงควรกำหนด metric ที่สัมพันธ์กับเป้าหมาย แล้วเปรียบเทียบกับวิธีพื้นฐานที่ง่ายกว่า
ภาพจำ: sequence outputs และ final hidden state · Playground อัปเดตเมื่อปรับ จำนวน GRU units พร้อมจำข้อจำกัดสำคัญว่า ไม่มี architecture เดียวชนะ LSTM ทุกโจทย์และ sequence ยาวยังมีคอขวดจากการคำนวณทีละเวลา
03How it works
ค่อยๆ ทำไปด้วยกัน ตั้งแต่ข้อมูลแถวแรกจนถึงการตรวจคำตอบ
เตรียมข้อมูลให้ตรงโจทย์
tensor batch × timesteps × features ตรวจค่าที่หาย หน่วยของแต่ละคอลัมน์ และแยกข้อมูลประเมินก่อนเรียนรู้พารามิเตอร์จากข้อมูล
ตั้งค่าที่ควบคุมพฤติกรรม
ใช้ units เพื่อกำหนดขนาด hidden state และบันทึกค่าเริ่มต้นหรือ random seed เมื่อวิธีมีการสุ่ม เพื่อให้ทำซ้ำและเปรียบเทียบได้
คำนวณแก่นของวิธี
คำนวณ reset และ update gates จากนั้น สร้าง candidate state จาก input กับความจำที่ reset Playground ใช้ข้อมูลสาธิตชุดเดิมทุกครั้งเพื่อให้เห็นผลของ slider โดยไม่ถูกความสุ่มกลบ
สร้างผลลัพธ์ที่นำไปอ่านได้
ผสม state เดิมกับ candidate ตาม update gate ผลที่ได้คือ sequence outputs และ final hidden state ตัวเลขหรือกลุ่มที่ได้ยังต้องตีความร่วมกับบริบทของข้อมูล
ตรวจว่าคำตอบใช้ได้จริง
เปรียบเทียบหลายค่าของ units ด้วย metric ที่เหมาะ ดูทั้งผลรวมและกรณีที่พลาด แล้วทดสอบกับข้อมูลที่ไม่ใช้ปรับค่า โดยคำนึงถึงข้อจำกัดว่า ไม่มี architecture เดียวชนะ LSTM ทุกโจทย์และ sequence ยาวยังมีคอขวดจากการคำนวณทีละเวลา
ข้อมูล พารามิเตอร์ และภาพรวมการคำนวณ
unitslearning_ratevalidationข้อมูลที่รับเข้ามา
tensor batch × timesteps × features
tensor batch × timesteps × features · ตัวอย่างขนาดเล็กที่ทำซ้ำได้พารามิเตอร์ที่ใช้
- units
- กำหนดขนาด hidden state
- learning_rate
- ควบคุมขนาดการอัปเดตในแต่ละรอบเมื่อโมเดลเรียนด้วย gradient
- validation
- กำหนดข้อมูลที่กันไว้เลือกค่าและตรวจการใช้งานกับตัวอย่างใหม่
ผลลัพธ์ที่ได้
sequence outputs และ final hidden state
sequence outputs และ final hidden state · Playground อัปเดตเมื่อปรับ จำนวน GRU unitsคำนวณทีละขั้น
- 01
คำนวณ reset และ update gates
- 02
สร้าง candidate state จาก input กับความจำที่ reset
- 03
ผสม state เดิมกับ candidate ตาม update gate
ควรรู้อีกนิด — ไม่มี architecture เดียวชนะ LSTM ทุกโจทย์และ sequence ยาวยังมีคอขวดจากการคำนวณทีละเวลา
04Make it yours
# ติดตั้ง: pip install numpy keras# ดาวน์โหลด sample.csv จากหน้านี้ แล้ววางไว้ข้างสคริปต์import numpy as npdata = np.genfromtxt("gated-recurrent-unit-sample.csv", delimiter=",", skip_header=1)import kerasfrom keras.layers import GRU, DenseX=data[:,1].reshape(-1,12,1); y=X[:,-1,0]model=keras.Sequential([GRU(32), Dense(1)])model.compile(optimizer="adam", loss="mse")model.fit(X,y,epochs=3,verbose=0)print("Output shape:", model(X[:4]).shape)print("Predictions:", model.predict(X[:4],verbose=0).ravel())โค้ดเปลี่ยนตามค่าที่เลือกใน Playground · แต่ละภาษาใช้ข้อมูลตัวอย่างตามที่ระบุในโค้ด
05Learn by playing
hidden units เท่าใดพอสำหรับลำดับโดยไม่เพิ่มโมเดลเกินจำเป็น?
reset gate เลือกข้อมูลเก่าที่ใช้สร้าง candidate และ update gate ผสม state
representation กว้างขึ้นและเก็บบริบทได้หลากหลายขึ้น
เปรียบเทียบกับ LSTM ที่ขนาดใกล้กันทั้ง error และเวลา
Playground เป็น implementation เพื่อการเรียนรู้ที่คำนวณในเบราว์เซอร์ ส่วนโค้ด Python ใช้ Keras จึงอาจให้ค่าต่างกันเล็กน้อยจากรายละเอียดการ optimize และค่าเริ่มต้นของไลบรารี ผลนี้ไม่ใช่ benchmark บนข้อมูลจริง