知识卡片
多层LSTM的表示
将一个 LSTM 层各时间步的隐藏状态作为下一层的输入,可以堆叠多层以学习更复杂的序列模式。层数是超参数:更深的模型增加参数和训练成本,也可能过拟合,应结合数据规模和验证表现选择。
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
- Gated RNN · 查看原书依据
第一个 LSTM 层的隐藏状态是第两个 LSTM 层的输入。按照同样的方式,我们可以叠加多个 LSTM 层,从而学习更加复杂的模式
参考来源
- 位置:《深度学习进阶:自然语言处理》第6章《Gated RNN》6.5.1(来源项目 book-source:extracted/深度学习进阶:自然语言处理/_epub-src/text/part0011_split_005.html)
- 结论依据:原文说明前一层隐藏状态作为下一层输入,并依据任务和数据规模选择层数。
- 原始内容:第一个 LSTM 层的隐藏状态是第两个 LSTM 层的输入。按照同样的方式,我们可以叠加多个 LSTM 层,从而学习更加复杂的模式