tensorflw循环神经网络详解
需积分: 5 52 浏览量
2023-05-04
17:01:11
上传
评论
收藏 3.38MB DOCX 举报
循环神经网络
尽管 CNNs 能很好的分类图像，其中平移和旋转能关注到，但是它们不能识别时
间模式。根本上，我们可以认为 CNNs 只能认别静态模式。Recurrent neural networks
(RNNs) 是设计来解决认别时间模式的。
RNNs 与 CNNs 很不同，特别是用来处理序列数据。典型的例子是句子里的词。
你知道句子里的词有很大的不同。例如，“the man ate the
rabbit”与“the rabbit ate the man,”词的顺序不同意思不同，你可以用 RNNs 来
预测句子的下一个词。 例如， “Paris is the capital of ——” 很容易用“
France,”填充，这意味着上一个词可以包含下一个词的信息，这个信息是 RNNs 用
来预测的。名称 recurrent 来自网络是如何工作的：它们对顺列的每一个元素进行
操作，累加前一项的信息。概括一下：
• RNNs 使用顺列数据并使用序列中各项顺序所编码的信息。
• RNNs 对序列中的所有项进行一些操作并记住前一项来预测下一项。
在更好的理解 RNNs 如何工作之前，我们考虑它们使用的一些重要的情形。
•产生文本:给定一系列的词，预测词的概率。你可以用 RNNs 莎士比亚的文本,
如 A. Karpathy 在他的博客所示,见 https://goo.gl/FodLp5。
•翻译:给出一种语言的一系列词，你可以得到不同的语言。
• 语音识别:给出一系列的音频信号，你可以预测词中的字母。
• 产生图像标签:使用 CNNs, RNNs 可以用来产生图像标签。见 A. Karpathy 关
于 “Deep Visual-Semantic Alignments for Generating Image Descriptions,”
的论文，见 https://goo.gl/8Ja3n2。注意，这是很深的论文，需要大量的数学背
景。
• 聊天机器人:以一系列的词作为输入， RNNs 试图回答输入。
如你想像的，要实现上面这些，你要复杂的架构，这不是简单的几句话可以描
述的，且你需要深入的理解 RNNs 是如何工作的。这不是本章和本书的范围。
这一章，我们学习:
• RNN 工作细节
剩余36页未读，继续阅读
资源评论
