1.视频网站:mooc慕课https://mooc.study.163.com/university/deeplearning_ai#/c
2.详细笔记网站(中文):http://www.ai-start.com/dl2017/
3.github课件+作业+答案:https://github.com/stormstone/deeplearning.ai
1.5 不同类型的循环神经网络 Different types of RNNs
现在你已经了解了一种RNN结构,它的输入量 T x T_x Tx等于输出数量 T y T_y Ty。事实上,对于其他一些应用, T x T_x Tx和 T y T_y Ty并不一定相等。在这节课里,你会看到更多的RNN的结构。
你应该还记得这周第一节课中的介绍,如上图,有很多例子输入 x x x和输出 y y y,有各种类型,并不是所有的情况都满足 T x = T y T_x=T_y Tx=Ty。
比如
- 音乐生成, T x T_x Tx可以是长度为1甚至为空集。
- 情感分类,输出 y y y可以是1到5的整数,而输入 x x x是一个序列。
- 命名实体识别,这个例子中输入长度和输出长度是一样的。
还有一些情况,输入长度和输出长度不同,他们都是序列但长度不同,比如机器翻译,一个法语句子和一个英语句子不同数量的单词却能表达同一个意思。
所以我们应该修改基本的RNN结构来处理这些问题。
本节课的内容参考了Andrej Karpathy的博客,一篇叫做《RNN的非理性效果》(“The Unreasonable Effectiveness of Recurrent Neural Networks”)的文章,我们看一些例子。
例1 “多对多”(many-to-many) T x = T y T_x=T_y Tx=Ty
你已经见过 T x = T y T_x=T_y Tx=Ty