双向循环神经网络的原理与实现代码

Hiweir ·

于 2024-09-16 20:47:44 发布

阅读量230

点赞数 6

分类专栏： NLP自然语言处理理论与算法 RNN 文章标签： rnn 人工智能深度学习 pytorch 神经网络 nlp

本文链接：https://blog.csdn.net/Hiweir/article/details/142306823

版权

NLP自然语言处理理论与算法同时被 2 个专栏收录

6 篇文章 0 订阅

订阅专栏

RNN

4 篇文章 0 订阅

订阅专栏

1.双向循环神经网络的原理

2.双向循环神经网络的实现代码

3. 知识点个人理解

1.双向循环神经网络的原理

2.双向循环神经网络的实现代码

#导包
import torch
from torch import nn
import dltools



#加载数据
batch_size, num_steps = 32, 35
train_iter, vocab = dltools.load_data_time_machine(batch_size, num_steps)


#声明变量
vocab_size, num_hiddens, num_layers = len(vocab), 256, 2
num_inputs = vocab_size
device = dltools.try_gpu()
#创建网络层
rnn_layer = nn.RNN(input_size=vocab_size, hidden_size=num_hiddens, num_layers=num_layers, bidirectional=True)
#创建模型
model = dltools.RNNModel(rnn_layer, vocab_size)
#将模型转到device上
model= model.to(device)


#模型训练
num_epochs, lr = 300, 1
dltools.train_ch8(model, train_iter, vocab, lr, num_epochs, device)