Tensorflow 3种RNN的比较

最新推荐文章于 2024-09-22 10:49:42 发布

风华明远

最新推荐文章于 2024-09-22 10:49:42 发布

阅读量804

点赞数

分类专栏： TensorFlow Python 文章标签： tensorflow 神经网络

本文链接：https://blog.csdn.net/weixin_42272768/article/details/112694191

版权

本文探讨了Tensorflow中三种循环神经网络——SimpleRNN、LSTM和GRU。SimpleRNN是最基础的，而LSTM通过其三个门控机制提供更复杂的学习能力，尽管这导致了更长的训练时间。相比之下，GRU拥有两个门控，平衡了性能和训练效率。

摘要由CSDN通过智能技术生成

Tensorflow提供了3种循环神经网络：SimpleRNN、LSTM和GRU。这三种方法，SimpleRNN最简单，LSTM和GRU差不多，但是GRU的训练速度稍微占一些优势，毕竟LSTM有3个门（相当于增加了3次矩阵运算），而GRU只有两个门（相当于增加了2次矩阵运算）。
下面程序的训练时间：

循环神经网络	训练时长	准确度
SimpleRNN	9.259	0.958
LSTM	24.984	0.973
GRU	22.259	0.980

包含有4个神经元的SimpleRNN、LSTM和GRU的权重矩阵如下：

循环神经网络	输入值权重	循环神经元权重	偏置项	总计
SimpleRNN	32	16	4	52
LSTM	128	64	16	208
GRU	96	48	24	168

import tensorflow as tf
import time
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
#归一化数据
x_train=x_train/255.
x_test=x_test/255.
# 数据长度 一行有28个像素
input_size = 28
# 序列的长度
time_steps = 28
# 隐藏层block的个数
cell_size = 64
#LSTM
lstm_model = tf.keras.Sequential()
lstm_model.add