位置:搜学搜课 > 新闻 > 广州好的Python工程师培训机构
「千锋教育」IT职业教育良心品牌,成立教研中心,推出贴近企业需求的线下技能培训课程。课程包含HTML5 大前端培训、JavaEE+分布式开发培训、Python人工智能+数据分析培训、全链路UI/UE设计培训、云计算培训、全栈软件测试培训、大数据+人工智能培训、智能物联网+嵌入式培训、Unity游戏开发培训、网络安全培训、区块链培训、影视剪辑包装培训、游戏原画培训、全媒体运营培训。采用全程面授高品质、高体验培养模式,大纲紧跟企业需求,拥有国内一体化教学管理及学员服务,在职业教育发展道路上不断探索前行。
什么是RNN?
RNN的思想是利⽤序列化的信息。在传统的神经⽹络中,我们假设所有输⼊和输出彼此独⽴。 但对于许多任务⽽⾔,这个假设有问题。例如你想预测句⼦中的下⼀个单词,就需要知道它前⾯有哪些单词。RNN被称为循环,因为它对序列的每个元素执⾏相同的任务,并且基于先前的计算进⾏输出。RNN的另⼀个优点是它具有“记忆”,它可以收集到⽬前为⽌已经计算的信息。 理论上,RNN可以在任意⻓的序列中使⽤信息,但实际使⽤中仅仅往回记录⼏步。这是典型的RNN的样⼦:
这个图是循环是循环神经⽹络正向计算时按时间顺序展开。这⾥展开意味着把完整的序列的⽹络展示出来。例如,如果我们关⼼的序列是5个单词的句⼦,则⽹络将展开为5层神经⽹络,每个单词⼀层。途中的表达式解释如下:
这⾥有⼏点需要注意:
你可以把隐藏状态 看作⽹络记忆下来的信息。 捕获前⾯所有步骤中发⽣事件的信息。步骤的输出仅基于 时刻的隐藏状态即 。如上所述,在实践中它有点复杂,因为 通常⽆法从前⾯太多的步骤中捕获信息。
与在每层使⽤不同参数的传统深度神经⽹络不同,RNN在所有步骤中共享相同的参数 , ,。这反映了我们在每个步骤执⾏相同任务的事实,只是使⽤不同的输⼊。这⼤⼤减少了我们需要学习的参数总数。
上图在每个时刻都有输出,但是不同的任务,可能会有不同的输出形式。例如,在预测句⼦的情绪时,我们可能只关⼼较终的输出,⽽不是每个单词之后的情绪。同样,我们可能不需要每个时刻都有输⼊。RNN的主要特征是其隐藏状态,它捕获序列的某些信息。
尊重原创文章,转载请注明出处与链接:http://www.soxsok.com/wnews687970.html 违者必究! 以上就是关于“广州好的Python工程师培训机构”的全部内容了,想了解更多相关知识请持续关注本站。