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
Dive-into-DL-PyTorch
提交
02036d80
D
Dive-into-DL-PyTorch
项目概览
OpenDocCN
/
Dive-into-DL-PyTorch
通知
9
Star
2
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
Dive-into-DL-PyTorch
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
02036d80
编写于
4月 08, 2019
作者:
S
ShusenTang
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
update doc 6.4
上级
4526754b
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
2 addition
and
1 deletion
+2
-1
docs/chapter06_RNN/6.4_rnn-scratch.md
docs/chapter06_RNN/6.4_rnn-scratch.md
+2
-1
未找到文件。
docs/chapter06_RNN/6.4_rnn-scratch.md
浏览文件 @
02036d80
...
...
@@ -38,7 +38,8 @@ one_hot(x, vocab_size)
我们每次采样的小批量的形状是(批量大小, 时间步数)。下面的函数将这样的小批量变换成数个可以输入进网络的形状为(批量大小, 词典大小)的矩阵,矩阵个数等于时间步数。也就是说,时间步$t$的输入为$
\b
oldsymbol{X}_t
\i
n
\m
athbb{R}^{n
\t
imes d}$,其中$n$为批量大小,$d$为输入个数,即one-hot向量长度(词典大小)。
```
python
def
to_onehot
(
X
,
n_class
):
# 本函数已保存在d2lzh包中方便以后使用
# 本函数已保存在d2lzh_pytorch包中方便以后使用
def
to_onehot
(
X
,
n_class
):
# X shape: (batch, seq_len), output: seq_len elements of (batch, n_class)
return
[
one_hot
(
X
[:,
i
],
n_class
)
for
i
in
range
(
X
.
shape
[
1
])]
...
...
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