Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
d2l-zh
提交
8d6e1a59
D
d2l-zh
项目概览
OpenDocCN
/
d2l-zh
通知
2
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
D
d2l-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
提交
8d6e1a59
编写于
5月 29, 2018
作者:
A
Aston Zhang
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
rnn index
上级
e6fd1ff3
变更
2
隐藏空白更改
内联
并排
Showing
2 changed file
with
7 addition
and
2 deletion
+7
-2
chapter_recurrent-neural-networks/index.md
chapter_recurrent-neural-networks/index.md
+5
-0
chapter_recurrent-neural-networks/rnn-scratch.md
chapter_recurrent-neural-networks/rnn-scratch.md
+2
-2
未找到文件。
chapter_recurrent-neural-networks/index.md
浏览文件 @
8d6e1a59
# 循环神经网络
与之前介绍的多层感知机和卷积神经网络不同,循环神经网络引入了状态变量。在一个序列中,循环神经网络当前时刻的状态不仅保存了过去时刻的信息,还与当前时刻的输入共同决定当前时刻的输出。
循环神经网络常用于处理序列数据,例如一段文字或声音、购物或观影的顺序、甚至是图片中的一行或一列像素。因此,循环神经网络在实际中有着极为广泛的应用,例如语言模型、文本分类、机器翻译、语音识别、图像分析、手写识别和推荐系统。
由于本章中的应用基于语言模型,我们将先介绍语言模型的基本概念,并以此问题激发循环神经网络的设计灵感。接着,我们将描述循环神经网络中梯度计算方法,来探究循环神经网络训练可能存在的问题。对于其中的部分问题,我们可以使用本章稍后介绍的含门控的循环神经网络来解决。最后,我们将拓展循环神经网络的架构并介绍更精简的Gluon实现。
```
eval_rst
...
...
chapter_recurrent-neural-networks/rnn-scratch.md
浏览文件 @
8d6e1a59
...
...
@@ -412,13 +412,13 @@ def train_and_predict_rnn(rnn, is_random_iter, num_epochs, num_steps,
以下定义模型参数和预测序列前缀。
```
{.python .input}
num_epochs =
25
0
num_epochs =
30
0
num_steps = 35
batch_size = 32
lr = 0.2
clipping_theta = 5
prefixes = ['分开', '不分开']
pred_period =
5
0
pred_period =
6
0
pred_len = 100
```
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录