rnn相关

这篇具有很好参考价值的文章主要介绍了rnn相关。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

构成

比之前多了一个圈
rnn相关,workHappy,pytorch,rnn,人工智能,深度学习
这个圈包含t时刻之前的数据特征,主要用在NLP自然语言处理中。

rnn相关,workHappy,pytorch,rnn,人工智能,深度学习
只用最后一个结果ht,前面的当做中间结果

特点

会把之前看到的都记下来,但第n句话和第一句话之间联系不太大,没必要

LSTM

rnn相关,workHappy,pytorch,rnn,人工智能,深度学习

自然语言处理

考虑词的 前后顺序和相关性
rnn相关,workHappy,pytorch,rnn,人工智能,深度学习
构建词向量,不断向后滑动学习

cbow 和skip-gram方法

rnn相关,workHappy,pytorch,rnn,人工智能,深度学习

  • cbow输入上下文,输出预测最中间的位置的词
  • skip-gram 输入中间的词,输出预测的上下文

改进方法

rnn相关,workHappy,pytorch,rnn,人工智能,深度学习
加入一些负样本(负采样模型) 顺序的词太多了,需要加乱序的词,作为负样本

rnn相关,workHappy,pytorch,rnn,人工智能,深度学习
skipgram的正负样本模型

实战

词嵌入:将词转化为向量
每个词用300维的向量表示,词大小为32

(batch,maxlen,featrue)
(同时处理多少标题或者文章,序列的最大长度,feature大小(300维))
基于字做的,在此数据集中有4000+个可能,而词更多,运算量大

LSTM

rnn相关,workHappy,pytorch,rnn,人工智能,深度学习
self.lstm = nn.LSTM(config.embed(300维的输入特征), config.hidden_size(128个隐藏神经元), config.num_layers(两层的LSTM),
bidirectional=True(是单向的还是双向的,双向的效果好), batch_first=True, dropout=config.dropout)

双向的LSTM

特征最后会拼接起来,维度更多了

rnn相关,workHappy,pytorch,rnn,人工智能,深度学习
上图是3层LSTM(淡蓝色部分),一般用最后一层最后一个输出作为最终输出,因为它包含并计算了前面神经元的特征信息

例子中的模型

Model(
(embedding): Embedding(4762, 300)
(lstm): LSTM(300, 128, num_layers=2, batch_first=True, dropout=0.5, bidirectional=True)
(fc): Linear(in_features=256, out_features=10, bias=True)
)

NLP任务大部分是分类任务文章来源地址https://www.toymoban.com/news/detail-814449.html

到了这里,关于rnn相关的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 深度学习实战24-人工智能(Pytorch)搭建transformer模型,真正跑通transformer模型,深刻了解transformer的架构

    大家好,我是微学AI,今天给大家讲述一下人工智能(Pytorch)搭建transformer模型,手动搭建transformer模型,我们知道transformer模型是相对复杂的模型,它是一种利用自注意力机制进行序列建模的深度学习模型。相较于 RNN 和 CNN,transformer 模型更高效、更容易并行化,广泛应用于神

    2023年04月22日
    浏览(58)
  • 《人工智能专栏》必读150篇 | 专栏介绍 & 专栏目录 & Python与PyTorch | 机器与深度学习 | 目标检测 | YOLOv5及改进 | YOLOv8及改进 | 关键知识点 | 工具

    各位读者们好,本专栏最近刚推出,限于个人能力有限,不免会有诸多错误,敬请私信反馈给我,接受善意的提示,后期我会改正,谢谢,感谢。 第一步 :[ 购买点击跳转 ] 第二步 : 代码函数调用关系图(全网最详尽-重要) 因文档特殊,不能在博客正确显示,请移步以下链接

    2024年02月02日
    浏览(71)
  • “AI Earth”人工智能创新挑战赛:助力精准气象和海洋预测Baseline[3]:TCNN+RNN模型、SA-ConvLSTM模型

    【机器学习入门与实践】入门必看系列,含数据挖掘项目实战:模型融合、特征优化、特征降维、探索性分析等,实战带你掌握机器学习数据挖掘 专栏详细介绍:【机器学习入门与实践】合集入门必看系列,含数据挖掘项目实战:数据融合、特征优化、特征降维、探索性分析

    2024年02月11日
    浏览(35)
  • 探索人工智能:深度学习、人工智能安全和人工智能编程(文末送书)

    人工智能知识对于当今的互联网技术人来说已经是刚需。但人工智能的概念、流派、技术纷繁复杂,选择哪本书入门最适合呢? 这部被誉为人工智能“百科全书”的《人工智能(第3版)》,可以作为每个技术人进入 AI 世界的第一本书。 购书链接,限时特惠5折 这本书是美国

    2024年02月03日
    浏览(113)
  • 人工智能原理课后习题(考试相关的)

    什么是人工智能? 人工智能就是让机器看起来像人类表现出的智能水平一样 人工智能就是人工实现人类智能,通过将初始信息生成和调度知识,在目标的引导下,生成求解问题的策略,并由推理策略转换成智能行为,从而生成解决问题的能力。 什么是图灵测试?他必须具备

    2024年01月16日
    浏览(36)
  • PyTorch 人工智能研讨会:6~7

    原文:The Deep Learning with PyTorch Workshop 协议:CC BY-NC-SA 4.0 译者:飞龙 本文来自【ApacheCN 深度学习 译文集】,采用译后编辑(MTPE)流程来尽可能提升效率。 不要担心自己的形象,只关心如何实现目标。——《原则》,生活原则 2.3.c 概述 本章扩展了循环神经网络的概念。 您将

    2023年04月20日
    浏览(63)
  • 人工智能之深度学习

    第一章 人工智能概述 1.1人工智能的概念和历史 1.2人工智能的发展趋势和挑战 1.3人工智能的伦理和社会问题 第二章 数学基础 1.1线性代数 1.2概率与统计 1.3微积分 第三章 监督学习 1.1无监督学习 1.2半监督学习 1.3增强学习 第四章 深度学习 1.1神经网络的基本原理 1.2深度学习的

    2024年02月09日
    浏览(51)
  • 人工智能深度学习

    目录 人工智能 深度学习 机器学习 神经网络 机器学习的范围 模式识别 数据挖掘 统计学习 计算机视觉 语音识别 自然语言处理 机器学习的方法 回归算法 神经网络 SVM(支持向量机) 聚类算法 降维算法 推荐算法 其他 机器学习的分类 机器学习模型的评估 机器学习的应用 机

    2024年02月22日
    浏览(54)
  • 有哪些企业正在探索人工智能相关的业务?

    作者:禅与计算机程序设计艺术 近年来,随着互联网、计算机科学技术等领域的快速发展,越来越多的人们逐渐认识到人工智能将对社会产生深远的影响。人工智能可以帮助我们解决很多实际问题,比如智能电视、智能音箱、自动驾驶、疫情防控等,但同时也面临着很多挑战

    2024年02月06日
    浏览(53)
  • 边缘智能:边缘计算和人工智能的深度融合

    随着通信技术的飞速发展和移动设备使用的激增,一种全新的计算范式——边缘计算正在迅速普及。与此同时,随着深度学习的突破和硬件架构的许多改进,人工智能(AI)应用正在蓬勃发展。在网络边缘产生数十亿字节的数据,对数据处理和结构优化提出了巨大的要求。因此,

    2024年02月11日
    浏览(61)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包