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。

  • 18
    点赞
  • 19
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值