1. Toy模板网首页
  2. >Toy博客

CS231N assignment3 RNN

1年前作者：鱼鱼9901分类：Toy博客阅读(12)违法举报

这篇具有很好参考价值的文章主要介绍了CS231N assignment3 RNN。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。

对作业进行一些形象的解释

首先是def rnn_step_forward：

CS231N assignment3 RNN,CS231N,rnn,人工智能,深度学习

这里的t时刻其实就是一个句子里面的单词数，为了方便会统一到一个最长长度，对于比这个长度短的部分用null进行填充，并且在方法内部会让Null不进行传播和梯度计算。

我们最终要的是h（shape是（N,T,H）），最终的h经过一系列后处理会得到新的句子

然后是def rnn_forward：

CS231N assignment3 RNN,CS231N,rnn,人工智能,深度学习

把rnn_step_forward循环T次 （就得到模型产生的新句子了）

然后是train的forward，写在class Captioning RNN中的loss函数中：

CS231N assignment3 RNN,CS231N,rnn,人工智能,深度学习

 这里的emb_caption 是由groundtruth的句子中的单词得来的emb，而在test中，除了第一个emb_caption是groundtruth以外，之后的每一步的emb_caption都是由上一步得到的next_h进行转换得到的。

test部分（写在class CaptioningSolver的sample中）：

CS231N assignment3 RNN,CS231N,rnn,人工智能,深度学习

最终的captions就是测试集所得到的新句子文章来源地址https://www.toymoban.com/news/detail-570160.html

到了这里，关于CS231N assignment3 RNN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！

分享到：
领支付宝红包赞助服务器费用

相关文章

  • cs231n assignment 3 Q2 Image Captioning with Vanilla RNNs

    cs231n assignment 3 Q2 Image Captioning with Vanilla RNNs

    image_from_url 里的报错 问题展示 我在运行这段代码的时候就报错了 另一个进程正在使用此文件，文件无法访问 问题解决思路 我一开始以为是img = imread(fname) 里的问题导致文件还在被占用，所以无法释放文件的所有权，导致os.remove(fname)无法删除。 就是我以为img = imread(fname) 是

    2024年02月12日
    浏览(9)
  • cs231n assignmen3 Extra Credit: Image Captioning with LSTMs

    cs231n assignmen3 Extra Credit: Image Captioning with LSTMs

    题面 结合课程和上面的讲解，这部分就是让我们来实现lstm的前向操作，具体的操作流程在上面都写好了 解析 看代码注释吧 代码 输出 题面 计算lstm的反向操作 解析 sigmoid求导 Tanh 求导 反向传播讲解可以看这个 然后结合代码注释，想想链式求导法则就好了 代码 输出 题面 让

    2024年02月10日
    浏览(13)

  • 人工智能：CNN(卷积神经网络)、RNN(循环神经网络)、DNN(深度神经网络)的知识梳理

    卷积神经网络（CNN），也被称为ConvNets或Convolutional Neural Networks，是一种深度学习神经网络架构，主要用于处理和分析具有网格状结构的数据，特别是图像和视频数据。CNN 在计算机视觉任务中表现出色，因为它们能够有效地捕获和识别图像中的特征，具有平移不变性（transla

    2024年02月05日
    浏览(15)
  • “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

    “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(9)
  • RNN架构解析——传统RNN模型

    RNN架构解析——传统RNN模型

    2024年02月15日
    浏览(9)
  • RNN 单元：分析 GRU 方程与 LSTM，以及何时选择 RNN 而不是变压器

    RNN 单元：分析 GRU 方程与 LSTM，以及何时选择 RNN 而不是变压器

            深度学习往往感觉像是在雪山上找到自己的道路。拥有坚实的原则会让你对做出决定更有信心。我们都去过那里         在上一篇文章中，我们彻底介绍并检查了 LSTM 单元的各个方面。有人

    2024年02月10日
    浏览(18)
  • 目标检测C-RNN,Fast C-RNN,Faster C-RNN,SSD,Mask R-CNN 理论简单介绍

    目标检测C-RNN,Fast C-RNN,Faster C-RNN,SSD,Mask R-CNN 理论简单介绍

    参考： https://zh-v2.d2l.ai/chapter_computer-vision/multiscale-object-detection.html 区域卷积神经网络 region-based CNN R-CNN首先从输入图像中选取若干（例如2000个）提议区域，并标注它们的类别和边界框（如偏移量）。用卷积神经网络对每个提议区域进行前向传播以抽取其特征。 接下来，我们

    2024年03月14日
    浏览(12)
  • pytorch笔记：RNN 系列

    pytorch笔记：RNN 系列

    来自B站视频，API查阅，TORCH.NN RNN可以处理变长序列，是因为其每个时刻的参数是共享的 RNN每算出一个时刻都可以输出，适合流式输出，但串行计算比较慢，无法获取太长的历史信息 RNN 初始隐状态不提供默认是0，输出包括两部分：所有时刻的输出 (batch_size,seq_len,out_hidden_si

    2024年02月11日
    浏览(14)
  • RNN & LSTM

    RNN & LSTM

    参考资料： 《机器学习2022》李宏毅 史上最详细循环神经网络讲解（RNN/LSTM/GRU） - 知乎 (zhihu.com) LSTM如何来避免梯度弥散和梯度爆炸？ - 知乎 (zhihu.com) 首先考虑这样一个 slot filling 问题： 注意到，上图中 Taipei 的输出为 destination。如果我们只是单纯地将每个词向量输入到一个

    2024年02月16日
    浏览(9)
  • RNN&LSTM

    RNN&LSTM

    LSTM——起源、思想、结构 与“门” 完全图解RNN、RNN变体、Seq2Seq、Attention机制 完全解析RNN, Seq2Seq, Attention注意力机制 Sequence to sequence入门详解:从RNN, LSTM到Encoder-Decoder, Attention, transformer 从RNN到Attention到Transformer系列-Attention介绍及代码实现 提示：这里可以添加本文要记录的大概

    2024年02月16日
    浏览(12)

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