在学习图网络（GN）的过程中，总会遇到不懂的知识，是因为自己的深度学习基础不够好。最早的GNN网络（详情见GNN）可以被用于处理有环图、有向图或无向图。然而，GNN网络本身必须使整个网络达到不动点之后才可以进行计算。针对这一问题，通过将GRU引入到网络结构中，进一步提出了GGNN网络（详情见GGNN）。那么，现在就介绍一下GRU是什么东西。
GRU中的G不是Graph，而是Gate，全称是Gate Recurrent Unit（门循环单元），它是循环神经网络（Recurrent Neural Network, RNN）的一种。和LSTM（Long-Short Term Memory）一样，也是为了解决长期记忆和反向传播中的梯度等问题而提出来的。在R-NET: MACHINE READING COMPREHENSION WITH SELF-MATCHING NETWORKS（2017）文章中提出
译：我们在我们的实验中选择GRU是因为它的实验效果与LSTM相似，但是更易于计算。
相比LSTM，使用GRU能够达到相当的效果，并且相比之下更容易进行训练，能够很大程度上提高训练效率，因此很多时候会更倾向于使用GRU。在介绍GRU之前，先介绍一下RNN和LSTM。
RNN
循环神经网络（Recurrent Neural Network，RNN）是一种用于处理序列数据的神经网络。相比一般的神经网络来说，他能够处理序列变化的数据。比如某个单词的意思会因为上文提到的内容不同而有不同的含义，RNN就能够很好地解决这类问题。
其主要形式如下图所示（台大李宏毅教授的PPT）：
这里：
为当前状态下数据的输入，
表示接收到的上一个节点的输入。
为当前节点状态下的输出，而
为传递到下一个节点的输出。通过上图的公式可以看到，输出 h' 与 x 和 h 的值都相关。而 y 则常常使用 h' 投入到一个线性层（主要是进行维度映射），然后使用softmax进行分类得到需要的数据。对这里的y如何通过 h' 计算得到往往看具体模型的使用方式。
通过序列形式的输入，我们能够得到如下形式的RNN：
LSTM
长短期记忆（Long short-term memory, LSTM）是一种特殊的RNN，主要是为了解决长序列训练过程中的梯度消失和梯度爆炸问题。简单来说，就是相比普通的RNN，LSTM能够在更长的序列中有更好的表现。
LSTM结构（图右）和普通RNN的主要输入输出区别如下所示：
相比RNN只有一个传递状态 ，LSTM有两个传输状态，一个
（cell state），和一个
（hidden state）。（Tips：RNN中的
对于LSTM中的
） 。其中对于传递下去的
改变得很慢，通常输出的
是上一个状态传过来的
加上一些数值，而
则在不同节点下往往会有很大的区别。
下面具体对LSTM的内部结构来进行剖析：
首先使用LSTM的当前输入 和上一个状态传递下来的
拼接训练得到四个状态。
其中， 是由拼接向量乘以权重矩阵之后，再通过一个
**函数转换成0到1之间的数值，来作为一种门控状态。而
则是将结果通过一个
**函数将转换成-1到1之间的值（这里使用
是因为这里是将其做为输入数据，而不是门控信号）。
是Hadamard Product，也就是操作矩阵中对应的元素相乘，因此要求两个相乘矩阵是同型的。
则代表进行矩阵加法。
LSTM内部主要有三个阶段：
1. 忘记阶段。这个阶段主要是对上一个节点传进来的输入进行选择性忘记。简单来说就是会 “忘记不重要的，记住重要的”。
具体来说是通过计算得到的 （f表示forget）来作为忘记门控，来控制上一个状态的
哪些需要留哪些需要忘。
2. 选择记忆阶段。这个阶段将这个阶段的输入有选择性地进行“记忆”。主要是会对输入 进行选择记忆。哪些重要则着重记录下来，哪些不重要，则少记一些。当前的输入内容由前面计算得到的
表示。而选择的门控信号则是由
（i代表information）来进行控制。
将上面两步得到的结果相加，即可得到传输给下一个状态的。也就是上图中的第一个公式。
3. 输出阶段。这个阶段将决定哪些将会被当成当前状态的输出。主要是通过 来进行控制的。并且还对上一阶段得到的
进行了放缩（通过一个tanh**函数进行变化）。
与普通RNN类似，输出 往往最终也是通过
变化得到。
以上，就是LSTM的内部结构。通过门控状态来控制传输状态，记住需要长时间记忆的，忘记不重要的信息；而不像普通的RNN那样只能够“呆萌”地仅有一种记忆叠加方式。对很多需要“长期记忆”的任务来说，尤其好用。但也因为引入了很多内容，导致参数变多，也使得训练难度加大了很多。因此很多时候我们往往会使用效果和LSTM相当但参数更少的GRU来构建大训练量的模型。
GRU
GRU的输入输出结构与普通的RNN是一样的。有一个当前的输入 ，和上一个节点传递下来的隐状态（hidden state）
，这个隐状态包含了之前节点的相关信息。结合
和
，GRU会得到当前隐藏节点的输出
和传递给下一个节点的隐状态
。
那么，GRU到底有什么特别之处呢？下面来对它的内部结构进行分析！
首先，我们先通过上一个传输下来的状态 和当前节点的输入
来获取两个门控状态。如下图所示，其中
控制重置的门控（reset gate），
为控制更新的门控（update gate）。
Tips：
为sigmoid函数，通过这个函数可以将数据变换为0-1范围内的数值，从而来充当门控信号。
与LSTM分明的层次结构不同，得到门控信号之后，首先使用重置门控来得到“重置”之后的数据 ，再将
与输入
进行拼接，再通过一个tanh**函数来将数据放缩到-1~1的范围内。即得到如下图所示的
。
这里的 主要是包含了当前输入的
数据。有针对性地对
添加到当前的隐藏状态，相当于“记忆了当前时刻的状态”。类似于LSTM的选择记忆阶段。
是Hadamard Product，也就是操作矩阵中对应的元素相乘，因此要求两个相乘矩阵是同型的。
则代表进行矩阵加法操作。
最后介绍GRU最关键的一个步骤，我们可以称之为”更新记忆“阶段。在这个阶段，我们同时进行了遗忘了记忆两个步骤。我们使用了先前得到的更新门控 （update gate）。
更新表达式：
首先再次强调一下，门控信号（这里的 ）的范围为0~1。门控信号越接近1，代表”记忆“下来的数据越多；而越接近0则代表”遗忘“的越多。
GRU很聪明的一点就在于，我们使用了同一个门控 就同时可以进行遗忘和选择记忆（LSTM则要使用多个门控）。
-
：表示对原本隐藏状态的选择性“遗忘”。这里的
可以想象成遗忘门（forget gate），忘记
维度中一些不重要的信息。
-
： 表示对包含当前节点信息的
进行选择性”记忆“。与上面类似，这里的
同理会忘记
维度中的一些不重要的信息。或者，这里我们更应当看做是对
维度中的某些信息进行选择。
-
：结合上述，这一步的操作就是忘记传递下来的
中的某些维度信息，并加入当前节点输入的某些维度信息。
可以看到，这里的遗忘和选择
是联动的。也就是说，对于传递进来的维度信息，我们会进行选择性遗忘，则遗忘了多少权重 （
），我们就会使用包含当前输入的
中所对应的权重进行弥补
。以保持一种”恒定“状态。
LSTM与GRU的关系
GRU是在2014年提出来的，而LSTM是1997年。他们的提出都是为了解决相似的问题，那么GRU难免会参考LSTM的内部结构。那么他们之间的关系大概是怎么样的呢？这里简单介绍一下。大家看到 (reset gate)实际上与他的名字有点不符。我们仅仅使用它来获得了
。那么这里的
实际上可以看成对应于LSTM中的hidden state；上一个节点传下来的
则对应于LSTM中的cell state。z对应的则是LSTM中的
forget gate，那么
我们似乎就可以看成是选择门
了。
总结
GRU输入输出的结构与普通的RNN相似，其中的内部思想与LSTM相似。与LSTM相比，GRU内部少了一个”门控“，参数比LSTM少，但是却也能够达到与LSTM相当的功能。考虑到硬件的计算能力和时间成本，因而很多时候我们也就会选择更加“实用”的GRU啦。