知识卡片

结构图卡 · 10087.b.1.b.5 · 生成模型:未记录

SimpleCBOW层组合

理解等级:中级

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?

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()