pytorch学习笔记-----递归神经网络RNN 与LSTM

用途:

        CNN一般用于图像处理中

        RNN一般用于自然语言处理

特征的时序相关性:

        每一次训练都考虑到之前的结果(有了时序性的连接)

        前一时刻的隐层输出反过来作为下一次隐层输入的一部分

 

 

存在问题:个人理解RNN网络会考虑到所有的之前的结果,如果时序很长,那必然会导致前后关联没那么大,这样效果不好

LSTM:

为解决这一问题,有选择性进行时序信息遗忘

加入C参数控制单元,可以改变模型的复杂度,选择要保留的信息

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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