知识卡片
SimpleCBOW层组合
SimpleCBOW 组合两个输入侧 MatMul、一个输出侧 MatMul 和一个 SoftmaxWithLoss。两个输入层共享 W_in,各自变换上下文后求平均;输出层计算得分,损失层据目标词计算损失。训练器更新之前需要处理共享参数的重复引用和梯度。
结构图:
classDiagram
class SimpleCBOW {
+params
+grads
+word_vecs
+forward(contexts, target)
+backward(dout=1)
}
class MatMul {
+forward(x)
+backward(dout)
}
class SoftmaxWithLoss {
+forward(x, t)
+backward(dout=1)
}
SimpleCBOW *-- MatMul : 输入侧两个共享权重,输出侧一个
SimpleCBOW *-- SoftmaxWithLoss : 计算损失
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
- word2vec · 查看原书依据
self.in_layer0 = MatMul(W_in) self.in_layer1 = MatMul(W_in) self.out_layer = MatMul(W_out) self.loss_layer = SoftmaxWithLoss()
参考来源
- 位置:《深度学习进阶:自然语言处理》第3章《word2vec》3.4(来源项目 book-source:extracted/深度学习进阶:自然语言处理/_epub-src/text/part0008_split_004.html)
- 结论依据:正文的 SimpleCBOW 初始化和前后向代码给出层组合、共享权重及方法。
- 原始内容:self.in_layer0 = MatMul(W_in) self.in_layer1 = MatMul(W_in) self.out_layer = MatMul(W_out) self.loss_layer = SoftmaxWithLoss()