在Pytorch中使用RNN进行序列学习
这里介绍了很少使用RNN进行序列学习的问题。 维护主要是出于学习的敏锐度。 如果您正在寻找可重用的最佳解决方案,那么此回购协议就不适合您的要求我将尝试添加更多的解释性数字,并在将来进行撰写
目录
序列2
Se2Seq对齐
没有对齐的Se2Seq
顺序存储Kth整数
这里的问题是在可变长度的数字序列中存储第k个数字。 假设如果序列为9,7,0,5,6且k = 3,则网络应输出0。这是一个问题的序列,其中输入数字使用一个长度为10的热向量表示输入数字(因为有10个数字) )
二进制字符串加法
这个问题为序列学习示例引入了一个简单的序列,其中的任务是使RNN学习二进制加法。 问题被建模为seq2seq,其中输入和输出序列对齐。
输入字符串中的相应位在每个时间步形成2元素输入向量,目标位或期望位是输出二进制字符串中的相应位。 在此之前,如果输出字符串有
1