人工智能学习

人工智能编程：循环神经网络RNN和长短时记忆模型LSTM的分析

本文主要是介绍人工智能编程：循环神经网络RNN和长短时记忆模型LSTM的分析，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

人工智能编程：循环神经网络RNN和长短时记忆模型LSTM的分析

ht=tαnh(WihXt+bih+whhht-1+bhh)

在pytorch中我们使用nn.RNN()就可以创建出RNN神经网络，它有如下参数：

input_size表示输入xt的特征维度

hidden_size表示输出ht的特征维度,或者理解为隐藏层的神经元数

num_layers表示RNN网络的层数，默认是1层

nonlinearity表示非线性激活函数的选择，默认tanh，当然也可以选择relu

bias表示是否使用偏置，默认是Ture，使用batch_first这个参数是决定网络输入的维度顺序，默认是(seq,batch,feature)输入，seq表示序列长度，batch表示批量，feature表示特征维度，我们也可以将其修改为(batch,seq,feature)，只用将这个参数设置为True dropout个参数接受一个0~1的数值，这个dropout层会在除了最后一层之外的其他输出层加上bidirectional默认的False，如果我们要是使用双向循环网络的话，那么我们就可以设置这个参数是True

这篇关于人工智能编程：循环神经网络RNN和长短时记忆模型LSTM的分析的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！
您可能喜欢
栏目导航