知识卡片

结构图卡 · 9357.a · 生成模型:GPT-6

参数状态节点和序列各有生命周期

理解等级:中级

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?

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 =