目录
【思考题1】LSTM与SRN实验结果对比,谈谈看法。(选做)
【思考题2】LSTM与SRN在不同长度数据集上的准确度对比,谈谈看法。(选做)
【思考题3】分析LSTM中单元状态和门数值的变化图,并用自己的话解释该图。
6.3 LSTM的记忆能力实验
使用LSTM模型重新进行数字求和实验,验证LSTM模型的长程依赖能力。
6.3.1 模型构建
使用第6.1.2.4节中定义Model_RNN4SeqClass模型,并构建 LSTM 算子.
只需要实例化 LSTM ,并传入Model_RNN4SeqClass模型,就可以用 LSTM 进行数字求和实验。
6.3.1.1 LSTM层
- 自定义LSTM算子
- nn.LSTM
- 将自定义LSTM与pytorch内置的LSTM进行对比
6.3.1.2 模型汇总
6.3.2 模型训练
6.3.2.1 训练指定长度的数字预测模型
6.3.2.2 多组训练
6.3.2.3 损失曲线展示
【思考题1】LSTM与SRN实验结果对比,谈谈看法。(选做)
6.3.3 模型评价
6.3.3.1 在测试集上进行模型评价
6.3.3.2 模型在不同长度的数据集上的准确率变化图
【思考题2】LSTM与SRN在不同长度数据集上的准确度对比,谈谈看法。(选做)
6.3.3.3 LSTM模型门状态和单元状态的变化
【思考题3】分析LSTM中单元状态和门数值的变化图,并用自己的话解释该图。
全面总结RNN(必做)
ref:
NNDL 实验6(上) - HBU_DAVID - 博客园 (cnblogs.com)
NNDL 实验6(下) - HBU_DAVID - 博客园 (cnblogs.com)