知识卡片
改进语言模型的组合
BetterRnnlm 依次组合词嵌入、两层 LSTM、深度方向的 Dropout 与输出仿射层;输入嵌入矩阵的转置作为输出权重。模型管理训练标记和状态重置,另用损失层计算序列损失。多层、正则化和权重共享共同参与书中的实验结果,不能从一次整体实验断言单项贡献。
结构图:
classDiagram
class BetterRnnlm {
+predict(xs, train_flg=False)
+forward(xs, ts, train_flg=True)
+backward(dout=1)
+reset_state()
}
class TimeEmbedding
class TimeDropout
class TimeLSTM
class TimeAffine
class TimeSoftmaxWithLoss
BetterRnnlm *-- TimeEmbedding : 输入词向量
BetterRnnlm *-- TimeDropout : 深度方向正则化
BetterRnnlm *-- TimeLSTM : 两层有状态序列处理
BetterRnnlm *-- TimeAffine : 输出得分
BetterRnnlm *-- TimeSoftmaxWithLoss : 序列损失
TimeEmbedding .. TimeAffine : 权重转置共享
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
叠加两个 Time LSTM 层,使用 Time Dropout 层,并在 Time Embedidng 层和 Time Affine 层之间共享权重。
参考来源
- 位置:《深度学习进阶:自然语言处理》第6章《Gated RNN》6.5.4(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:正文代码给出模型层列表、共享权重与方法。
- 原始内容:叠加两个 Time LSTM 层,使用 Time Dropout 层,并在 Time Embedidng 层和 Time Affine 层之间共享权重。