超级会员免费看
文章目录
Hi, 你好。我是茶桁。
我们上一节课，用了一个示例来展示了一下我们为什么要用RNN神经网络，它和全连接的神经网络具体有什么区别。
这节课，我们就着上一节课的内容继续往后讲，没看过上节课的，建议回头去好好看看，特别是对代码的进程顺序好好的弄清楚。
全连接的模型得很仔细的去改变它的结构，然后再给它加很多东西，效果才能变好：
self.linear_with_tanh = nn.Sequential(
nn.Linear(10, self.hidden_size)
本文探讨了RNN模型的优势，包括其简单的结构与信息保留能力，介绍了StackedRNN和双向RNN的概念。重点讲解了LSTM如何通过门控机制解决梯度消失问题，以及GRU作为LSTM的简化版本，减少了参数和过拟合风险。
订阅专栏 解锁全文
扫一扫
158
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
