吴恩达Deeplearning.ai 第五课 Sequence Model 第一周------Gated Recurrent Unit(GRU)
2018-03-04 14:58
549 查看
这一节主要讲述了GRU单元
先来看看标准的RNN单元:
简化的GRU单元:
与一般的RNN单元不同的是增加了一个参数c,表示memory cell
在GRU中,令c
例如,当cat为单数时令c
c的更新利用一个门Γu来进行控制,Γu为0或1,并利用更新公式来更新c
左边是简化的GRU单元
这里面存在一个问题,由于在计算中输入x
由于c
在这句话中,c
完整的GRU单元:
完整的GRU模块还增加了一个Γr,用来计算c和c ̃的相关性,r代表relevance(???其实这里不太明白为什么这里这样能表示它们的相关性)。至于添加这个gate的原因,Ng在课程里讲这是研究人员在多次尝试后将其作为普遍适用的了。
对于GRU单元的结构,我们也可以进行自定义,不过效果可能就不如这个标准GRU模块了
先来看看标准的RNN单元:
简化的GRU单元:
与一般的RNN单元不同的是增加了一个参数c,表示memory cell
在GRU中,令c
<t>= a
<t>
例如,当cat为单数时令c
<t>为1,复数时为0,这个参数一直保持住并且在需要的时候(即要决定be动词的单复数的时候)会参与决定be动词单复数的计算。(???这里存疑,tanh函数如何保证c为0或者1,是不是应该用sigmoid)
c的更新利用一个门Γu来进行控制,Γu为0或1,并利用更新公式来更新c
<t>。需要注意的是这里面的*表示element wise的相乘
左边是简化的GRU单元
这里面存在一个问题,由于在计算中输入x
<t>和a
<t>都是向量,自然计算得到的c
<t>也是向量。可以认为:c
<t>的每一位都记录了不同的信息,比如某一位记录的是cat的单复数,其他位记录的是这句话的其他信息(比如这句话是在将吃的食物等)。
由于c
<t>有很多位,是一个向量,因此gate(Γ)也是一个向量,每次更新可能只更新c中的某些位。因此Γ记录的是c
<t>不同位置的更新信息
在这句话中,c
<t>中记录cat为单数的位一直保持住,并告诉be动词的位置应该用单数形式
完整的GRU单元:
完整的GRU模块还增加了一个Γr,用来计算c和c ̃的相关性,r代表relevance(???其实这里不太明白为什么这里这样能表示它们的相关性)。至于添加这个gate的原因,Ng在课程里讲这是研究人员在多次尝试后将其作为普遍适用的了。
对于GRU单元的结构,我们也可以进行自定义,不过效果可能就不如这个标准GRU模块了
相关文章推荐
- 吴恩达Deeplearning.ai 第五课 Sequence Model 第一周------Gated Recurrent Unit(GRU)
- 吴恩达Deeplearning.ai 第五课 Sequence Model 第一周------Recurrent Neural Network Model
- Coursera 吴恩达DeepLearning.AI 第五课 sequence model 序列模型 第一周 随堂测验
- Coursera 吴恩达DeepLearning.AI 第五课 sequence model 序列模型 第二周 Emofify
- Coursera 吴恩达DeepLearning.AI 第五课 sequence model 序列模型 第二周 Operations on word vectors - v2
- Coursera 吴恩达DeepLearning.AI 第五课 sequence mode 编程作业1 Building a Recurrent Neural Network-Step by Step
- Coursera 吴恩达DeepLearning.AI 第五课 sequence model 序列模型 第一周 Improvise a Jazz Solo with an LSTM Network
- Coursera 吴恩达DeepLearning.AI 第五课 sequence model 序列模型 第一周 Dinosaur Island - Character-Level Language
- 吴恩达Deeplearning.ai 第五课 Sequence Model 第一周------Different types of RNNs
- 吴恩达Deeplearning.ai 第五课 Sequence Model 第一周------Long Short Term Memory(LSTM)
- 吴恩达Deeplearning.ai 第五课 Sequence Model 第一周------Why sequence Models
- Gated Recurrent Unit (GRU)公式简介
- 吴恩达Deeplearning.ai 第五课 Sequence Model 第一周------Notation
- 吴恩达Deeplearning.ai 全部课程学习心得分享
- Coursera 吴恩达 DeepLearning.ai 第2课 Improving Deep Neural Networks 第二周 测验题 Optimization algorithms
- 吴恩达Deeplearning.ai 第五课 Sequence Model 第一周------Backpropagation through time
- 吴恩达Deeplearning.ai 第五课 Sequence Model 第一周------Sampling novel sequence
- 吴恩达Deeplearning.ai 第五课 Sequence Model 第一周------Deep RNNs
- Coursera deeplearning.ai 深度学习笔记2-1-Practical aspects of deep learning-神经网络实际问题分析(初始化&正则化&训练效率)与代码实现
- Deeplearning.ai学习笔记之第一课第一周