当前位置: 首页 > article >正文

每天五分钟深度学习PyTorch:循环神经网络RNN的计算以及维度信息

本文重点

前面我们学习了RNN从何而来,以及它的一些优点,我们也知道了它的模型的大概情况,本文我们将学习它的计算,我们来看一下RNN模型的每一个时间步在计算什么?

RNN的计算

ht-1是上一时刻的输出,xt是本时刻的输入,然后二者共同计算得到了ht,然后yt通过ht计算得到,这就是RNN计算的全部了

维度信息

RNN的输入的维度为[seq_len,batch,feature_len],其中:

seq_len:表示时间步的长度,可以理解为文本中一句话的长度

batch:每个时间步放入多少个batch词

feature_len:每个词的维度

那么每一个时间步接收xt:[batch,feature_len]

每一个时间步接收的上一时刻的ht-1:[batch,hidden_len]


http://www.kler.cn/a/590150.html

相关文章:

  • css的显示模式
  • Redis----大key、热key解决方案、脑裂问题
  • Matlab 舰载机自动着舰控制系统研究
  • SpringMVC(四)Restful软件架构风格
  • 【从零开始学习计算机科学】算法分析(三)动态规划 与 贪心算法
  • STM32---FreeRTOS事件标志组
  • 数学建模:MATLAB循环神经网络
  • PostgreSQL教程(二)九大类型
  • 第27周JavaSpringboot git初识
  • 如何在Django中设置CSRF Token?
  • 【计算机网络】浏览器组成、工作原理、页面渲染流程...
  • 什么是 Fisher 信息矩阵
  • JDBC数据库连接池技术详解——从传统连接方式到高效连接管理
  • Android Dagger2 框架注入模块源码深度剖析(四)
  • matlab图论分析之指标计算(二)
  • CSS @media print 使用详解
  • Flutter_学习记录_状态管理之GetX
  • 通过物联网与可视化技术搭建的智慧工地管理云平台,java智慧工地源代码,企业级源码
  • OpenManus 架构的详细技术实现
  • 算法——图论——最短路径(多边权)