LSTM具有更长的记忆能力，在大部分序列任务上面都取得了比基础RNN模型更好的性能表现，更重要的是，LSTM不容易出现梯度弥散现象。但是LSTM结构相对较复杂，计算代价较高，模型参数量较大。因此科学家们尝试简化LSTM内部的计算流程，特别是减少门控数量。研究发现，遗忘门是LSTM中最重要的门控[1]，甚至发现只有遗忘门的简化版网络在多个基准数据集上面优于标准LSTM网络。在众多的简化版LSTM中， 门控循环网络（Gated Recurrent Unit，简称GRU）是应用最广泛的RNN变种之一。GRU把内部状态向量和输出向量合并，统一为状态向量 $\mathbf{h}$，门控数量也较少到2个： 复位门（Reset Gate）和 更新门（Update Gate），如下图所示：

GRU网络结构

下面我们来分别介绍复位门和更新门的原理与功能。


[1]J. Westhuizen 和 J. Lasenby, “The unreasonable effectiveness of the forget gate,” CoRR, 卷 abs/1804.04849, 2018.

1. 复位门

复位门用于控制上一个时间戳的状态${\mathbf{h}}_{t-1}$进入GRU的量。门控向量${\mathbf{g}}_r$由当前时间戳输入${\mathbf{x}}_t$和上一时间戳状态${\mathbf{h}}_{t-1}$变换得到，关系如下：
$${\mathbf{g}}_r=\sigma ({\mathbf{W}}_r[{\mathbf{h}}_{t-1},{\mathbf{x}}_t]+{\mathbf{b}}_r)$$
其中${\mathbf{W}}_r$和${\mathbf{b}}_r$为复位门的参数，由反向传播算法自动优化，$\sigma$为激活函数，一般使用Sigmoid函数。门控向量${\mathbf{g}}_r=0$时，新输入${\tilde{\mathbf{h}}}_t$全部来自于输入${\mathbf{x}}_t$，不接受${\mathbf{h}}_{t-1}$，此时相当于复位${\mathbf{h}}_{t-1}$。当${\mathbf{g}}_r=1$时，$h_{t-1}$和输入${\mathbf{x}}_t$共同产生新输入${\tilde{\mathbf{h}}}_t$，如下图所示：

复位门

2. 更新门

更新门用控制上一时间戳状态${\mathbf{h}}_{t-1}$和新输入${\tilde{\mathbf{h}}}_t$对新状态向量${\mathbf{h}}_t$的影响程度。更新门控向量${\mathbf{g}}_z$由
$${\mathbf{g}}_z=\sigma ({\mathbf{W}}_z[{\mathbf{h}}_{t-1},{\mathbf{x}}_t]+{\mathbf{b}}_z)$$
得到，其中${\mathbf{W}}_z$和${\mathbf{b}}_z$为更新门的参数，由反向传播算法自动优化，$\sigma$为激活函数，一般使用Sigmoid函数。${\mathbf{g}}_z$用于控制新输入${\tilde{\mathbf{h}}}_t$信号，$1-{\mathbf{g}}_z$用于控制状态${\mathbf{h}}_{t-1}$信号：
$${\mathbf{h}}_t=(1-{\mathbf{g}}_z){\mathbf{h}}_{t-1}+{\mathbf{g}}_z{\tilde{\mathbf{h}}}_t$$

更新门

可以看到，${\tilde{\mathbf{h}}}_t$和${\mathbf{h}}_{t-1}$的更新量处于相互竞争、此消彼长的状态。当更新门${\mathbf{g}}_z=0$时，${\mathbf{h}}_t$全部来自上一时间戳状态${\mathbf{h}}_{t-1}$；当更新门${\mathbf{g}}_z=1$时，${\mathbf{h}}_t$全部来自新输入${\tilde{\mathbf{h}}}_t$。

3. GRU使用方法

同样地，在TensorFlow中，也有Cell方式和层方式实现GRU网络。GRUCell和GRU层的使用方法和之前的SimpleRNNCell、LSTMCell、SimpleRNN和LSTM非常类似。首先是GRUCell的使用，创建GRU Cell对象，并在时间轴上循环展开运算。例如：

import tensorflow as tf
from tensorflow.keras import layers

x = tf.random.normal([2, 80, 100])
xt = x[:, 0, :]  # 得到一个时间戳的输入
# 初始化状态向量，GRU只有一个
h = [tf.zeros([2, 64])]
cell = layers.GRUCell(64)  # 新建GRU Cell，向量长度为64
# 在时间戳维度上解开，循环通过cell
for xt in tf.unstack(x, axis=1):
    out, h = cell(xt, h)
# 输出形状
print(out.shape)

运行结果如下所示：

(2, 64)

通过layers.GRU类可以方便创建一层GRU网络层，通过Sequential容器可以堆叠多层GRU层的网络。例如：

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers, Sequential

x = tf.random.normal([2, 80, 100])
xt = x[:, 0, :]  # 得到一个时间戳的输入
# 初始化状态向量，GRU只有一个
h = [tf.zeros([2, 64])]
net = keras.Sequential([
    layers.GRU(64, return_sequences=True),
    layers.GRU(64)
])
out = net(x)
# 输出形状
print(out.shape)

运行结果如下所示：

(2, 64)