知识卡片
RNN语言模型的层次
简单 RNN 语言模型先用 Embedding 把词 ID 变成向量,再用 RNN 状态结合历史,最后通过仿射层和 Softmax 输出下一个词的概率。训练时目标是时间上向后错开一位的词序列。时序 Softmax 损失将各时间步和批样本的损失汇总并取平均。
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 · 2 处
- RNN · 查看原书依据
第 1 层是 Embedding 层,该层将单词 ID 转化为单词的分布式表示
- RNN · 查看原书依据
各自算出损失,然后将它们加在一起取平均,将得到的值作为最终的损失。
参考来源
- 位置:《深度学习进阶:自然语言处理》第5章《RNN》(来源项目 book-source:extracted/深度学习进阶:自然语言处理/_epub-src/text/part0010_split_004.html)
- 结论依据:正文给出相关模型、计算或训练条件。
- 原始内容:第 1 层是 Embedding 层,该层将单词 ID 转化为单词的分布式表示
- 补充位置:《深度学习进阶:自然语言处理》第5章《RNN》(来源项目 book-source:extracted/深度学习进阶:自然语言处理/_epub-src/text/part0010_split_004.html)
- 补充依据:时序损失在各时间步上取平均。
- 补充原文:各自算出损失,然后将它们加在一起取平均,将得到的值作为最终的损失。