莫烦pytorch 什么是循环神经网络（Recurrent Neural Network）

RNN的用途

上图说明，对于预测，顺序排列是多么重要。我们可以预测下一个按照一定顺序排列的字，但是打乱顺序，我们就没办法分析自己到底在说什么了。

序列数据

我们想象现在有一组序列数据data 0,1,2,3.在当预测results0的时候，我们基于的是data0，同样在预测其他数据的时候，我们也都只单单基于单个的数据。每次使用的神经网络都是同一个NN。不过这些数据是有关联顺序的，就像在厨房做菜，酱料A要比酱料B早放，不然就串味了。所以普通的神经网络结构并不能让NN了解这些数据之间的关联。

处理序列数据的神经网络

那我们如何让数据见的关联也被NN加以分析呢？让神经网络具备记忆力即可。在分析data0的时候，我们把分析结果存入记忆。然后当分析data1的时候，NN会产生新的记忆，但是新记忆和老记忆是没有联系的。我们就简单的把老记忆调用过来，一起分析。如果继续分析更多的有序数据，RNN就会把之前的记忆都累积起来，一起分析。

我们再重复一遍刚才的流程，不过这次是以加入一些数学方面的东西。每次RNN运算完之后都会产生一个对当前状态的描述，state.我们用简写S(t)代替，然后这个RNN开始分析x(t+1),他会根据x(t+1)产生s(t+1)，不过此时y(t+1)是由s(t)和s(t+1)共同创造的。所以我们通常看到的RNN也可以表达成这种样子。

RNN的应用
RNN的形式不单单只有这一种，他的结构形式很自由。如果用于分类问题，比如说一个人说了一句话，这句话带的感情色彩是积极的还是消极的。那我们就可以用只有最后一个时间点输出判断结果的RNN。

又或者这是图片描述RNN，我们只需要一个X来替代输入的图片，然后生成对图片描述的一段话。

或者是语言翻译的RNN，给出一段英文，然后再翻译成中文。

有了这些不同形式的RNN，RNN就变得强大了。有很多有趣的RNN应用。比如之前提到的，让RNN描述照片。让RNN写学术论文，让RNN写程序脚本，让RNN作曲。我们一般人甚至都不能分辨这到底是不是机器写出来的。

拓展：

循环神经网络（RNN）原理通俗解释

循环神经网络(RNN, Recurrent Neural Networks)介绍