广西民族大学高级人工智能课程—头歌实践教学实践平台-LSTM

代码文件

import torch

def lstm(X, state, params):
    W_xi, W_hi, b_i, W_xf, W_hf, b_f, W_xo, W_ho, b_o, W_xc, W_hc, b_c, W_hq, b_q = params
    H, C = state

    # 遗忘门
    F = torch.sigmoid(torch.mm(X, W_xf) + torch.mm(H, W_hf) + b_f)

    # 输入门
    I = torch.sigmoid(torch.mm(X, W_xi) + torch.mm(H, W_hi) + b_i)
    C_tilde = torch.tanh(torch.mm(X, W_xc) + torch.mm(H, W_hc) + b_c)

    # 更新单元状态
    C = F * C + I * C_tilde

    # 输出门
    O = torch.sigmoid(torch.mm(X, W_xo) + torch.mm(H, W_ho) + b_o)
    H = O * torch.tanh(C)

    # 输出层
    Y = torch.mm(H, W_hq) + b_q

    return Y, (H, C)

题目描述

任务描述

本关任务：通过学习长短时记忆网络相关知识，编写实现长短时记忆网络。

相关知识

为了完成本关任务，你需要掌握：

1. 长短时记忆网络；
2. 门结构；
3. 长短时记忆网络实现。

长短时记忆网络

传统的循环神经网络受限于梯度爆炸与梯度消失问题，使得网络随着输入序列的增长，抖动变得更为剧烈，导致无法学习 。长短时记忆网络（ Long Short Term Memory Network, LSTM ）便是为了解决此问题而被设计提出。其核心思想是通过添加一个网络内部状态c来记忆长期信息，这个新的状态我们称之为单元状态（Cell State），主要负责记忆长期信息。