前言 学习解码器与编码器架构以及注意力机制是为了后边更好的学习Transformer架构。本文为作者学习encoder-decoder架构的学习笔记。 encoder-decoder架构 诞生背景 &…
Seq2Seq模型与encoder-decoder架构(附代码实现一个小小demo)
LSTM小结
LSTM所解决的问题(LSTM解决了RNN的什么缺陷？) LSTM的全名是：Long Short-term Memory(LSTM)，即长 短时记忆神经网络。我们知道LSTM是一种特殊的RNN，那他相较于RNN改…
循环神经网络小结
RNN所解决的问题 RNN是专门处理具有序列关系的输入数据而诞生的网络，它能挖掘数据中的时序信息以及语义信息 序列关系数据 什么是具有序列关系的数据呢？ 主要就是符…
反向传播小结
前言 之前也学习过反向传播，大概知道反向传播是为了更新权重，但是从来没想过一个问题，这个更新权重的行为的对象是什么？是一个样本？还是一批样本？这些都没想过，还有就是反向传播算法优化的是什么？在反向传播出现之前,都…
卷积神经网络小结(CNN)
1.从全连接层到卷积 我们都知道CNN擅长的是处理图片，但是传统的神经网络肯定也是可以处理图片的，那么CNN的优势在哪呢？ 对于一张彩色RGB图像，他有三个颜色通道，传统的神经网络的做法就是将三个通道的颜色强度分别作为输入。如下图所示。…
初识深度学习—MLP
1.MLP与FNN的关系 在邱锡鹏老师的教材《神经网络与深度学习》中，介绍的第一个网络就是前馈神经网络(Feedforward Neural Network),接着是CNN(卷积神经网络)，而在李沐老师的《动手学习深度学习》中，CNN的前一章节讲的是多层感知机…