TensorFlow的RNN单元和单元

作者: 甲基蓝
发布时间: 2024-12-09 02:50:53 (18天前)
转自：

3 条回复

0#
回复此人
撩心 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 这里num_units是指LSTM（或rnn）单元格中的单元数。 </p> <P> num_units可以被解释为来自前馈神经网络的隐藏层的类比。前馈神经网络的隐藏层中的节点数量等于网络的每个时间步长处的LSTM小区中的LSTM单元的num_units数量。以下图片应清除任何混淆 - <a href="https://i.stack.imgur.com/pmlem.png" rel="nofollow noreferrer"> 在此输入图像描述 </A> </p> <P> （引自 <a href="https://jasdeep06.github.io/posts/Understanding-LSTM-in-Tensorflow-MNIST/" rel="nofollow noreferrer"> https://jasdeep06.github.io/posts/Understanding-LSTM-in-Tensorflow-MNIST/ </A> </p> </DIV>

编辑
1#
回复此人
圈圈红 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 不，这不对。 </p> <P> <code> num_units </code> 指的是您的单元格可以表示的要素数量。在每个时间步，您给出一定大小的输入（您称之为“RNN应按顺序处理的元素数量”）。这就像你的神经网络的第0层。然后将此输入处理为具有大小的隐藏层 <code> num_units </code> 。这也是单元格输出的大小。 </p> <P> 您调用N的是由输入张量的大小设置的。 <code> num_units </code> 是你的模型的超参数。它越大，模型的自由度就越大（更具描述性的特征）。 </p> </DIV>

编辑

登录后才能参与评论