热门标签
热门文章
- 1实现一个自定义的Spring AOP注解（AOP annotation）
- 2微信拍一拍怎么设置？详细教程，图文分享
- 3AI人工智能机器学习的类型：监督学习、无监督学习、半监督学习、增强学习和深度学习_algc技术中的机器学习类型之一是
- 4SpringBoot报404异常几种解决方法_spring boot总是404
- 5自动驾驶与车路协同主题汇总
- 6钉钉微应用的免登录（前后端）_钉钉扫码免登,前端如何获取后端提供的token
- 7PCA分析（主成分分析）--结果解读_主成分分析结果怎么看
- 8Embedding 基础
- 9让你的技术博客脱颖而出：代码和项目展示的艺术_代码展示
- 10安装激活LSPosed_lsposed 未安装或未激活
当前位置: article > 正文
NLP 的 Sequence-to-Sequence(Seq2Seq)模型_sequence-to-sequence loss
作者：我家自动化 | 2024-05-26 10:08:10
赞
踩
sequence-to-sequence loss
Sequence-to-Sequence 模型
2014年，Sutskever 等人提出了 sequence-to-sequence(seq2seq) 模型，是通过使用神经网络将一个序列映射到另一个序列的通用框架。
Seq2Seq 模型最常用 Encoder-Decoder 结构构建：
通过编码器(Encoder)神经网络逐个符号地处理输入序列，并将输入序列的所有信息压缩为向量表示形式(context vector)，然后解码器(Decoder)神经网络根据编码器状态逐个符号地预测输出值，在解码过程中，将前一步预测出的值作为下一步预测的输入：
编码器和解码器常用的神经网络有 CNN、RNN、LSTM、GRU 等等，下面以 LSTM 为例子来解释一下训练过程。
Encoder LSTM
LSTM 处理长度为
LSTM 从输入序列(
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/我家自动化/article/detail/626229
推荐阅读
相关标签
