知识卡片
参数状态节点和序列各有生命周期
LstmParam保存跨时间共享的权重及梯度,LstmState保存某一步的激活和回传量,LstmNode把两者接到输入。网络复用节点时仍需为新序列重算状态,参数更新后清梯度不等于清空学习到的权重。
结构图: 类图:
classDiagram
class LstmParam {
+apply_diff(lr)
}
class LstmState
class LstmNode {
+bottom_data_is(x,s_prev,h_prev)
+top_diff_is(top_diff_h,top_diff_s)
}
class LstmNetwork {
+x_list_add(x)
+y_list_is(y_list,loss_layer) loss
+x_list_clear()
}
LstmNetwork --> LstmParam : 共享参数
LstmNetwork o-- LstmNode : 保存时间节点
LstmNode --> LstmParam : 引用同一参数
LstmNode --> LstmState : 引用本步激活
箭头表示引用或持有关系,不是继承;节点复用时重算状态,参数跨步共享。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
class LstmParam: def __init__(self, mem_cell_ct, x_dim): self.mem_cell_ct = mem_cell_ct self.x_dim = x_dim concat_len =
参考来源
- 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第09章《NLP中的深度学习》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00014.html)
- 结论依据:摘录中关于参数状态节点和序列各有生命周期的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。
- 原始内容:class LstmParam: def __init__(self, mem_cell_ct, x_dim): self.mem_cell_ct = mem_cell_ct self.x_dim = x_dim concat_len =